python - 正则表达式查找替换电影名称python

Question

我一直在处理有关不同电影的推文(使用 Twitter 搜索 API)，现在我想用固定字符串替换匹配项。

我一直在与“XMen Apocalypse”作斗争，因为有很多方法可以在推文中找到它。我寻找“X战警天启”、“X战警天启”、“X战警天启”、“X战警”、"X-Men"、"X Men"，它为我检索了还包括 "@xmenmovie"、 的匹配项“#xmen”、“x战警:天启”等...

这是我的正则表达式:

xmen_regex = re.compile("(((#)x[\-]?men:?(apocalypse)?)|(x[\-]? ?men[:]?[ ]?(apocalypse)?))")
def re_place_moviename(text, compiled_regex):
    return re.sub(compiled_regex, "MOVIE_NAME", text.lower())

我已经用 RegExr 进行了测试，但在某些边缘情况下仍然不准确，例如:'#xmen blabla' -> 替换 -> '#MOVIE_NAME blabla' 或 'MOVIE_NAMEblabla'。

那么，有更好的方法吗？也许编译不同的正则表达式(按增加的长度顺序(？))并单独应用它？

编辑

约束(或摘要):

1. 我想找到“x战警”、“x战警”、“x战警”
2. 全部 1 +“启示录”
3. 全部 1 +“:启示录”
4. 还有:“#xmen”、“#x-men”、“#xmenapocalypse”、“#x-menapocalypse”
5. 全部不能是子字符串(“@xmenmovie”或“lovexmen Perfect”)，表达式的开头和结尾必须至少包含 1 个空格。

PS:其他电影更容易，但《X战警》和《侠盗一号》等其他电影有很多表达方式，我们希望捕获其中的大部分。

PS1:我知道 \b 可以提供帮助，但我无法理解它是如何工作的。

Answer 1

这个应该可以完成这项工作:

(?:^|\s)#x[ -]?men:?\s?apocalypse\b

在替换的情况下，如果想保留之前的空间，可以使用捕获组并将其放入替换部分:

(^|\s)#x[ -]?men:?\s?apocalypse\b

说明:

(?:^|\s)    : non capture group, begining of string or a space
#           : #
x           : x
[ -]?       : optional space or dash
men         : men
:?          : optional semicolon
\s?         : optional space
apocalypse  : apocalypse
\b          : word boundary