替换Python中的重叠正则表达式模式

rjjhvcjd 于 2023-03-11 发布在 Python

关注(0)|答案(3)|浏览(140)

我正在处理一个.ttl文件，我收到的文件是容易理解的，其中一个问题是rdfs:seeAlso的值没有被清理，它会破坏下游程序，我的意思是有如下形式的链接：

rdfs:seeAlso prefix:value_(discipline)

为了解决这个问题，我需要在特定字符前面加上\，根据RDF 1.1 Turtle文档，对于出现的字符，我需要转义以下字符：

_, ~, -, !, $, &, (, ), *, +, =, ?, #, %

一开始我认为这很容易，于是我开始构建一个re.sub()模式，尝试了很多可能的解决方案，但最接近的是：

re.sub(pattern=r"(rdfs\:seeAlso)(.{0,}?)([\_\~\-\!\$\&\(\)\*\+\=\?\#\%]{1})(.{0,})", repl='\\1\\2\\\\\\3\\4', string=str_of_ttl_file)

添加(rdfs\:seeAlso)组件是为了防止意外更改作为rdfs:label和rdfs:comment示例的字符串中的字符（即''或""之间的任何上述字符）。
然而，这具有仅对第一次出现起作用的缺点，并且导致：

rdfs:seeAlso prefix:value\_(discipline)

它应该在的地方

rdfs:seeAlso prefix:value\_\(discipline\)

任何帮助或指导，这将是非常感谢！
编辑1：rdfs:label和rdfs:comment的示例是单引号（'）或双引号（"）之间的字符串，例如：

rdfs:label "example-label"@en

或者

rdfs:comment "This_ is+ an $example$ comment where n&thing should be replaced."@en

不需要替换其中的特殊字符，Turtle才能正常工作，因此正则表达式应将其保留。

python

来源：https://stackoverflow.com/questions/75698060/replacing-overlapping-regex-patterns-in-python

3条答案

按热度按时间

9lowa7mx1#

首先，你不需要对模式中[...]内的字符进行转义（-应该是最后一个，否则in将被识别为range），这将使你的代码更具可读性，然后你可以在while循环中进行替换，并使用lookbehind来确保字符没有被转义：

import re

input_text = "rdfs:seeAlso prefix:value_(discipline)" 

pattern = re.compile(r"(rdfs:seeAlso.*?)(?<!\\)([_~!$&()*+=?#%-])")

repl_str = ''
while repl_str != input_text:
    repl_str = input_text
    input_text = re.sub(pattern, r'\1\\\2', repl_str)

print(input_text)

注意：对替换模式使用原始字符串会使其可读性更强
输出：

rdfs:seeAlso prefix:value\_\(discipline\)

赞(0）回复(0）举报 2023-03-11

yrdbyhpb2#

我认为您应该分开检查字符串是否以rdfs:seeAlso和replacement开头。

str_of_ttl_file = "rdfs:seeAlso prefix:value_(discipline)"

if str_of_ttl_file.startswith('rdfs:seeAlso'):
    str_of_ttl_file = re.sub(r'([_~!$&()*+=?#%-])', r'\\\1', str_of_ttl_file)

print(str_of_ttl_file)

赞(0）回复(0）举报 2023-03-11

jexiocij3#

此解决方案 * 无需正则表达式 * 即可完成此操作：

def escape(inputstr, chars_to_escape):
    translation_dict = {c: '\\' + c for c in chars_to_escape}
    translation_table = str.maketrans(translation_dict)
    return inputstr.translate(translation_table)

def conditionalTurtleReplace(inputstr):
    if inputstr.startswith('rdfs:seeAlso'):
        return escape(inputstr, r'_~-!$&()*+=?#%')
    else:
        return inputstr

str1 = 'rdfs:seeAlso prefix:value_(discipline)'
str2 = 'rdfs:label "example-label"@en'
str3 = 'rdfs:comment "This_ is+ an $example$ comment where n&thing should be replaced."@en'
print(conditionalTurtleReplace(str1))
# output: rdfs:seeAlso prefix:value\_\(discipline\)
print(conditionalTurtleReplace(str2))
# output: rdfs:label "example-label"@en
print(conditionalTurtleReplace(str3))
# output: rdfs:comment "This_ is+ an $example$ comment where n&thing should be replaced."@en

赞(0）回复(0）举报 2023-03-11

我来回答

替换Python中的重叠正则表达式模式

3条答案

相关问题

热门标签

最新问答