python - 使用正则表达式进行标点符号校正

Question

我想制作一个正则表达式来修复各种标点符号语法错误。只有一些简单的要求:

• 标点符号应模仿在单词后面(无空格)
• 标点符号后应始终有一个空格
• 重复的标点符号之间不应有空格

到目前为止我得到了这个:

(?:\s*)([?!.,]+)(?:\s*) 

替换为\1。这修复了第 1 点和第 2 点，但也在标点符号之间添加了空格。

我尝试运行另一个正则表达式来修复第 3 点:

[!?.,]( )[!?,.]

但这也会删除标点符号本身，即使它们不属于任何捕获组？

行为示例:

输入:“什么!这是.this，gdjs gf fg fddsf ......”

期望的输出:“什么!是。这个这个，gdjs gf fg fddsf...”

Answer 1

您需要将多个标点符号与空格匹配，然后删除 lambda 中标点符号之间的空格:

import re

fix_spaces = re.compile(r'\s*([?!.,]+(?:\s+[?!.,]+)*)\s*')
text = "what! is .this this,gdjs gf fg fddsf . . ."
text = fix_spaces.sub(lambda x: "{} ".format(x.group(1).replace(" ", "")), text)
print(text.strip())

参见IDEONE demo .

您也可以在 lambda 中使用正则表达式来删除空格:

re.sub(r"\s+", "", x.group(1))

正则表达式匹配:

• \s* - 前导空格(零个或多个)
• ([?!.,]+(?:\s+[?!.,]+)*) - 第 1 组匹配 [?!., ] 集合，后跟零组或多组一个或多个空格，后跟 [?!.,] 集合中的一个或多个标点符号
• \s* - 零个或多个尾随空格。