正则表达式在另一个单词前添加字符（从选项列表中）

Question

我在阅读这篇文章时，得到了使用分组的想法。
我想在/O、/ORGANIZATION、/PEOPLE或/LOCATION后面的字符前面加一个\t。

我现在有以下内容：

'The/O\nSkoll/ORGANIZATION\nFoundation/ORGANIZATION\n,/O\nbased/O\nin/O\nSilicon/LOCATION\nValley/LOCATION\na'

我想要的结果是：

The\t/O\nSkoll\t/ORGANIZATION\nFoundation\tORGANIZATION\n

我试过这个，但它不管用。我该如何记住正则表达式捕获了哪个组织呢？

x = str(t)
x = re.sub('\/(ORGANIZATION|LOCATION|PERSON|O)','\t\1', x)

这是我目前的解决方案，不过如果能用一行代码搞定就更好了。

x = re.sub(r'\/(ORGANIZATION)',r'\t\1', x)
x = re.sub(r'\/(LOCATION)', r'\t\1',x)
x = re.sub(r'\/(PERSON)',r'\t\1', x)
x = re.sub(r'\/(O)',r'\t\1', x)

Answer 1

你需要用到一种叫做负向前瞻断言的东西（语法是(?!...)，其中...是你想要匹配的内容），这样才能区分/O和/ORGANIZATION。我建议你可以这样做：

x = str(t)
x = re.sub(r'\/(ORGANIZATION|LOCATION|PERSON|O(?!R))','\t\\1', x)

要注意，前瞻断言是以(?开头的，所以它不会形成一个编号的组，因此你在替换字符串中仍然需要提取组。

还有，我把第一个字符串做成了原始字符串，但第二个字符串没有做成原始字符串。我假设你在替换字符串中想要的是一个制表符，而不是一个反斜杠后面跟着一个t，所以我在替换中把第二个反斜杠加了引号，但第一个没有。如果你需要更详细的解释关于这些反斜杠的用法，告诉我。

最后，如果你想在替换中保留单个的正斜杠，你可以像一些人建议的那样，在搜索正则表达式周围加一对额外的括号，但其实更简单的方法是直接把它加到你的替换字符串中，如下所示：

x = str(t)
x = re.sub(r'\/(ORGANIZATION|LOCATION|PERSON|O(?!R))','/\t\\1', x)

我觉得这就是你想要的。如果你还有其他问题，请告诉我们。

Answer 2

str = 'The/O\nSkoll/ORGANIZATION\nFoun/LOLdation/ORGANIZATION\n,/O\nbased/O\nin/O\nSilicon/LOCATION\nValley/LOCATION\na'
x = re.sub("(/O|/ORGANIZATION|/PEOPLE|/LOCATION)", r"\t\1", str)

在这里，只需要两行代码~ 不过就像hjpotter92说的，你的/O已经涵盖了组织结构，所以其实没必要这么做，但为了更具体一点，我还是提一下。

Answer 3

因为 /O 已经包含了你的 /ORGANIZATION 情况，所以不需要再重复写一次。

对于替换的字符串，你需要传递一个原始字符串，或者对 \ 进行转义。所以，下面这两种写法都可以用：

x = re.sub( r'\/(O|LOCATION|PERSON)', r"\t\1", x )
x = re.sub( r'\/(O|LOCATION|PERSON)', "\\t\\1", x )

Answer 4

像这样：

>>> t = 'The/O\nSkoll/ORGANIZATION\nFoundation/ORGANIZATION\n,/O\nbased/O\nin/O\nSilicon/LOCATION\nValley/LOCATION\na'
>>> re.sub(r'(/(?:ORGANIZATION|LOCATION|PERSON|O))',r'\t\1', t)
'The\t/O\nSkoll\t/ORGANIZATION\nFoundation\t/ORGANIZATION\n,\t/O\nbased\t/O\nin\t/O\nSilicon\t/LOCATION\nValley\t/LOCATION\na'

示例： http://regex101.com/r/nB5dN3/1