Дополнительная точка в регулярном выражении

Скажем, я хочу заменить все совпадения Mr. и Mr на Mister.

Я использую следующее регулярное выражение: \bMr(\.)?\b для соответствия либо Mr., либо просто Mr. Затем я использую re.sub() метод для замены.

Меня озадачивает то, что он заменяет Mr. на Mister.. Почему это поддерживает точку . в конце? Похоже, что это не соответствует случаю Mr\., а просто Mr.

import re
s="a rMr. Nobody Mr. Nobody is Mr Nobody and Mra Nobody."
re.sub(r"\bMr(\.)?\b","Mister", s)

Возврат:

'a rMr. Nobody Mister. Nobody is Mister Nobody and Mra Nobody.'

Я также пробовал следующее: но и не повезло:

re.sub(r"\b(Mr\.|Mr)\b","Mister", s)

Мой желаемый результат:

'a rMr. Nobody Mister Nobody is Mister Nobody and Mra Nobody.'
                     ^                              ^
                     no dot            this should be kept as it is

Ответы

Ответ 1

Я думаю, вы хотите захватить 'Mr', за которым следует либо '.' , либо граница слова:

r"\bMr(?:\.|\b)"

При использовании:

>>> import re
>>> re.sub(r"\bMr(?:\.|\b)", "Mister", "a rMr. Nobody Mr. Nobody is Mr Nobody and Mra Nobody.")
'a rMr. Nobody Mister Nobody is Mister Nobody and Mra Nobody.'

Ответ 2

Я думаю, что в исходном посте \b была причиной некоторой путаницы.

От regex101:

\ b соответствует, не потребляя никаких символов, сразу между символ, сопоставляемый символом \w и символом, не совпадающим с \w (в порядок).

и

\ w соответствует любой букве, номеру или подчеркиванию.

OP ожидал, что \b будет соответствовать границе между точкой и пробелом, следующим за ней. Но это не так, потому что точка не соответствует \w. Вместо этого \b соответствует границе между текстом "Mr" и точкой. Это заставило точку не попасть в плен, о которой спрашивал ОП. Это можно увидеть здесь:

enter image description here

Ответ 3

re.sub(r"\bMr\.|\bMr\b","Mister", s)

Попробуйте это. Вам нужно удалить \b после .

Вывод: a rMr. Nobody Mister Nobody is Mister Nobody and Mra Nobody.'

Причина, по которой \bMr(\.)?\b не работает, потому что между . и space нет границы слова.

В качестве границ слов существуют три разных позиции:

  • Перед первым символом в строке, если первый символ является символом слова.
  • После последнего символа в строке, если последний символ является символом слова.
  • Между двумя символами в строке, где один является символом слова, а другой не является символом слова.

Ответ 4

>>> s="a rMr. Nobody Mr. Nobody is Mr Nobody and Mra Nobody."
>>> re.sub(r'\b(Mr[\.\s]\s*)',r'Mister ',s)
'a rMr. Nobody Mister Nobody is Mister Nobody and Mra Nobody.'

Ответ 5

re.sub(r'\bMr[\s\.]', 'Mister ', s)

Если бы это был Code Golf, я бы выиграл?