最近做一个NLP项目，涉及到字符串处理。
需求
把一些英语表达缩写替换成全称，例如pls替换please，BTW替换为by the way。
需要注意的点
只能替换独立的单词，不能把单词间的字母误替换为全称。例如某个单词含有pls，plsgiocephalic，这种情况下应该保留原单词，而非替换成pleasegiocephalic。此时就需要进行python的边界匹配
解决方法
边界匹配采用\b，写在哪边就是匹配哪边的边界，例如
- 匹配左边边界
import re
# s是传入的需要处理的字符串
def replaceAcronyms(s):
#将txs替换为thanks,re.I对大小写不敏感
findAcro = re.compile(r"\btxs",re.I)
s = re.sub(findAcro,"thanks",s)
return s
test = "aaTXSbb,txsbb,TXS"
print(replaceAcronyms(test))
output:
aaTXSbb,thanksbb,thanks
- 匹配右边边界
import re
# s是传入的需要处理的字符串
def replaceAcronyms(s):
#将txs替换为thanks,re.I对大小写不敏感
findAcro = re.compile(r"txs\b",re.I)
s = re.sub(findAcro,"thanks",s)
return s
test = "aaTXSbb,aatxs,TXS"
print(replaceAcronyms(test))
output:
aaTXSbb,aathanks,thanks
- 匹配左右边界
# 需要引入re包
import re
# s是传入的需要处理的字符串
def replaceAcronyms(s):
#将txs替换为thanks,re.I对大小写不敏感
findAcro = re.compile(r"\btxs\b",re.I)
s = re.sub(findAcro,"thanks",s)
return s
test = "aaTXSbb,txs,TXS"
print(replaceAcronyms(test))
output:
aaTXSbb,thanks,thanks
*** 注意 ***
如果匹配左右边界失效，可以采用以下写法
str = "your str"
findAcro = re.compile(r"\b%s\b"%str,re.I)
