替换字符串中的四个字母单词

Question

我正在尝试写一段代码，从一个文件读取内容，把所有四个字母的单词替换成'xxxx'，然后把结果写入另一个文件。我知道这个问题在网上已经有人讨论过了，我也在网上搜索了其他相关的问题，但它们都是一样的。我还尝试过修改代码，但还是没能找到解决办法。

def censor(filename):
    'string ==> None, creates file censored.txt in current folder with all 4 letter words replaces with string xxxx'
    import string
    infile = open(filename,'r')
    infile2 = open('censored.txt','w')
    for word in infile:
        words = word.split()
        for i, word in enumerate(words):
            words.strip(string.punctuation)
            if len(word) == 4:
                words[i] == 'xxxx'
                infile2.write(words[i])

我知道这段代码一团糟，根本不管用，但我觉得发出来也许能帮到我。我想到了一个办法，就是先把文本中的标点符号去掉，这样就不会把一些四个字母的单词算成五个字母了。然后把单词分开放到一个列表里，替换掉四个字母的单词，最后再把它们按原来的顺序拼接起来，只不过单词被替换了。所以像“I like to work.”就会变成“I xxxx to xxxx。”

我还看过这个网站上另一个类似的帖子，找到了一个能用的解决方案，但它没有解决标点符号的问题。

def maybe_replace(word, length=4):
    if len(word) == length:
        return 'xxxx'
    else:
        return word

def replacement(filename):
    infile = open(filename,'r')
    outfile = open('censored.txt','w')
    for line in infile:
        words = line.split()
        newWords = [maybe_replace(word) for word in words]
        newLine = ' '.join(newWords)
        outfile.write(newLine + '\n')
    outfile.close()
    infile.close()

所以在这种情况下，如果我有一个单词列表，比如“Frog, boot, cat, dog.”，它会返回“Frog, boot, xxxx xxxx”。

我还找到过一个使用正则表达式的解决方案，但我还是个新手，真的不太理解那个方案。任何帮助都会很感激。

Answer 1

这就是我的答案！ :)

import string as s
alfanum = s.ascii_letters + s.digits

def maybe_replace(arg, length=4):
    word = ""
    for t in arg: word += t if t in alfanum else ""

    if len(word) == length: 
        if len(arg)>4: return 'xxxx'+arg[4:]
        else: return 'xxxx'
    else: 
      return arg

text = "Frog! boot, cat, dog. bye, bye!"
words = text.split()
print words
print [maybe_replace(word) for word in words]

>>> ['Frog!', 'boot,', 'cat,', 'dog.', 'bye,', 'bye!']
>>> ['xxxx!', 'xxxx,', 'cat,', 'dog.', 'bye,', 'bye!']

Answer 2

你代码的第二部分有个问题，就是这行 words = line.split()。默认情况下，它是根据空格来分割的，所以像','这样的符号也被算作你单词的一部分。

如果你真的不想碰正则表达式，我有个建议（虽然还是有一点正则表达式的内容）：

import re
words = re.split('[\W]+', line)

这行代码是让Python根据非字母数字的字符来分割这一行。

Answer 3

这个正则表达式的解决方案非常简单：

import re

text = """
    I also found another solution using 
    regex, but I'm still a novice and 
    really can't understand that solution. 
    Any help would be appreciated.
"""

print re.sub(r'\b\w{4}\b', 'xxxx', text)

这个正则表达式可以匹配：

• \b，这是一个单词边界。它可以匹配一个单词的开始或结束。
• \w{4}匹配四个单词字符（也就是字母、、数字<0-9>或者下划线_）。
• \b又是一个单词边界。

输出结果是：

I xxxx found another solution using 
regex, but I'm still a novice and 
really can't understand xxxx solution. 
Any xxxx would be appreciated.