这两天写爬虫程序，涉及英语文本处理，需要规范英语标点符号的写法。 通常，必须确保句点“.”后面只有一个空格，但也有例外，例如“i.e .”、“e.g .”和“P.S .”。 由于无法预测大小写，所以在正则表达式中使用了“标志位”flags，但对其无效。
一开始，我的函数写得如下：
1defpunctuate(s ) :
2 #----其余代码暂定省略
3s=re.sub('e.g.'，' e.g.'，s，re.I ) )。
4返回s
代码的本意是，本来好好的“e.g .”，在被函数前半部分断开的代码错误地变更为“e.g .”之后，需要修复以删除英语句号“.”之后的空格。 但是，这个re.sub )代码主要有两个问题。
“e. g .”前后不一定是空格，这样写的话，遇到“e. g .”或“(e. g. xxx )”时会跳过。
的句点“.”不会被转义
标志re.I无效
前两个问题很容易解决。 改善代码如下。
1defpunctuate(s ) :
2 #----其余代码暂定省略
3s=re.sub (() a-za-z (e ).) ) ) a-za-z ) )、) (G1 ) G2 )、s，re.I ) ) ) ) )
4返回s
规则在“e. g .”之前或之后必须有“非英文”字符(包括空格)，如果“e .”和“g .”之间有空格，请删除中间的空格，并保留前后的“非英文”。 g1表示找到的第一个括号中的文本，g2表示第二个括号，但标志位re.I的问题尚未解决。
后来写了《详细了解python--python中的re.sub》一文，我才恍然大悟。 re.sub ) )函数有五个参数，我传递了四个参数。 最后一个被认为是第四个参数而不是第五个。 多么低级的错误啊！
re.sub(pattern，repl，string，count=0，flags=0) ) ) )。
我传递的第四个参数re.I被视为count。 因此，正确的姿势是注明“flags=re.I”。
标点符号的整个正则化函数还包括以下附加替换：
1defpunctuate(s ) :
2s=re.sub () ([， (.) ) ) )、(g1 )、s ) #后加空格
3s=在re.sub (() )“ ()”、“g1 )、s”)之前加上空格
4 s=在re.sub (() )“ ()”、“g1 )和s”之后删除空格
5s=re.sub () ([， .” () )、(g1 )和s ) #之前删除空格
6s=re.sub () ) ([， . () ) )、(g1 )、s ) #关闭引号到空间
7s=re.sub () (， (.) ) )、() ) ) )、g1 )、s ) #封闭括号留出空格
8s=re.sub(((d ).) (d )、(G1.) G2 )、s ) )将小数点以下留空
9 s=re.sub ('、'、'、s ) #多空间修改单空间
输入10 #拉丁缩写，在点编号后加上空格
11s=re.sub () (((a-za-z ) e ).) ) ) a-za-z ) )、(((G1 ) G2 )、s，flags=re.I ) ) ) )
12s=re.sub (() a-za-z (I ).) ) ) a-za-z ) )、(G1(G2 )、s，flags=re.I () ) ) )
13s=re.sub () ((a-za-z ) q ).() ) ) a-za-z ) )、((G1 ) G2 )、s，flags=re.I () ) ) ) )
14s=re.sub (() a-za-z () v ).) ) ) a-za-z ) )、) (G1(G2 )、s，flags=re.I () ) ) )
15s=re.sub () ((a-za-z ) n ).) ) ) a-za-z ) )、((G1 ) G2 )、s，flags=re.I ) ) ) )
16s=re.sub () (() a-za-z (p ).) ) ) a-za-z ) )、(() G1 )、s，flags=re.I () ) ) ) 652
17s=re.sub (()、)、)、)、)、)、)、)、)、s ) )。
18返回s
多么痛苦的觉悟啊！
python学习道路lpar； 每日
4note)(函数,形参实参位置参数匿名参数，匿名函数，高阶函数，镶嵌函数)1.函数 2种编程方法 关键词面向对象:华山派 --->> 类----->class面向过程:少林派 -->> 过程--->def 函数式编程:逍遥派 --> ...
python中，print函数的sep和end参数
print函数是我们经常使用的,但是它的sep和end参数或许对很多python使用者相对陌生,他们可以让我们的打印更具有个性化. 先来看下官方解释, sep:分割值与值,默认是一个空格 end:附件 ...
简介Python正则表达式
一.概念 简单来说正则表达式是由一些普通字符(例如,a 到 z 之间的字母)和一些元字符组成,用来匹配和过滤一些字符串的一种逻辑公式. 二.正则表达式的一些基本规则 1.一些常用的元字符 ^ : ...
python正则表达式模块re：正则表达式常用字符、常用可选标志位、group与groups、match、search、sub、split,findall、compile、特殊字符转义
本文内容: 正则表达式常用字符. 常用可选标志位. group与groups. match. search. sub. split findall. compile 特殊字符转义 一些现实例子 首发时 ...
python五十六课——正则表达式(常用函数之match)
函数:match(regex,string,[flags=0])参数:regex:就是正则表达式(定义了一套验证规则)string:需要被验证的字符串数据flags:模式/标志位,默认情况下(不定义) ...
$python正则表达式系列(2)——re模块常用函数
本文主要介绍正则re模块的常用函数. 1. 编译正则 import re p = re.compile(r'ab*') print '[Output]' print type(p) print p p ...
[ Python - 12 ] 线程的信号量、标志位及队列
线程的信号量 线程的信号量是同时允许一定数量的线程更改数据,主要作用在于限制线程的并发. #!_*_coding:utf-8_*_ # Author: hkey import threading, t ...
关于Python正则表达式findall函数问题详解
关于Python正则表达式 findall函数问题详解 在写正则表达式的时候总会遇到不少的问题, 特别是在表达式有多个元组的时候.下面看下re模块下的findall()函数和多个表达式元组相遇的时候会 ...
Python 正则表达式之 sub 和 subn函数的使用
re.sub() 函数的功能 re是reguler expressioin的缩写,表示正则表达式 sub 是 substitute 的缩写,表示替换: re.sub是个正则表达式方面的函数,用来实现通 ...
随机推荐
ASP.NET MVC5+EF6+EasyUI 后台管理系统(65)-MVC WebApi 用户验证 (1)
系列目录 前言: WebAPI主要开放数据给手机APP,其他需要得知数据的系统,或者软件应用,所以移动端与系统的数据源往往是相通的. Web 用户的身份验证,及页面操作权限验证是B/S系统的基础功能, ...
记录在linux下的wine生活
记录在linux下的windows生活 本篇内容涉及QQ.微信.Office的安装配置 QQ: 到deepin下载轻聊版. 如果安装了crossover,那么将其中opt/cxoffice/suppo ...
java的poi技术读取和导入Excel
项目结构: http://www.cnblogs.com/hongten/gallery/image/111987.html 用到的Excel文件: http://www.cnblogs.com/h ...
Android 学习笔记
1.sleep(),wait(),notify(),notifyAll() sleep()是线程类的静态方法,阻塞线程一定时间后再次使线程处于可以被调度运行的状态wait(),notify(),not ...
虚拟机下玩DXF
DXF检测虚拟机好象已经很长时间了,记得当时也是在网上找的教程,今天无聊又检测了一下,发现目前依然有效.用记事本打开 虚拟机启动文件 xxxx.vmx 在最后添加如下两行代码monitor_contr ...
hihocoder-1391&;&;北京网赛09 Countries(优先队列)
题目链接: Countries 时间限制:1000ms 单点时限:1000ms 内存限制:256MB 描述 There are two antagonistic countries, country ...
java语言写文件内容
import java.io.File;import java.io.FileWriter;import java.io.IOException; public static void main(St ...
tachyon 集群安装
tachyon的集群安装和单机安装差别不大 http://www.cnblogs.com/admln/p/tachyon-local-install.html 不同的地方 1.修改slaves时填入所 ...
css3动画 9步
...北漂的IT人
北京的互联网人,是工作日完全没有个人生活的一类人,也是整个北漂大队伍中,下班时间最晚的那一波人,如果赶上周末还要加班,那毫不夸张地说,你的整个人生都在互联网上奋斗着. 虽说十点上班让多少行内外的人羡慕 ...