去除缩写中的点但保留域名中的点的正则表达式是什么？

Question

我想在一个Python字符串中去掉缩写里的点，但不想去掉域名里的点。比如，我希望这个字符串

'a.b.c. test@test.com http://www.test.com'

变成

'abc test@test.com http://www.test.com'

我目前写的正则表达式是

re.sub('(?:\s|\A).{1}\.',lambda s: s.group()[0:2], s)

结果是

'ab.c. test@test.com http://www.test.com'

看起来要让上面的正则表达式有效，我需要把它改成

(?:\s|\A|\G).{1}\.

但在Python中没有匹配结束标记（\G）。

补充说明：正如我在评论中提到的，这些字符串没有特定的格式。它们包含非正式的人类对话，可能有零个、一个或多个缩写或域名。如果能让我省去写一个“真正的”解析器，出现一些小错误我也是可以接受的。

Answer 1

你可以简单地去掉那些前面没有两个或更多小写字母[a-z]的点（DOTS）：

\.(?![a-zA-Z]{2})

不过这样做当然也会把下面这个地址的第一个点去掉：

name.i@foo.bar

你可以通过这样做来解决这个问题：

\.(?![a-zA-Z]{2}|[^\s@]*+@)

但我相信还会有很多类似的特殊情况。

Answer 2

如果你的数据总是这样格式化，那为什么不通过空格把数据分成三部分呢？

然后，去掉第一部分中的句号就很简单了，最后用连接的方法把这几部分再合并起来。

Answer 3

以下内容对我有效（感谢Bart的回答）：

re.sub('\.(?!(\S[^. ])|\d)', '', s)

这个方法不会去掉单词或缩写开头的点。