這兩天在寫爬蟲程序，涉及英文文本處理，需要規范化英文標點符號的寫法。正常情況下，英文句號.后面需要保證有且只有一個空格，但也有例外情況，比如i.e.、e.g.、P.S.這種。由于無法預測大小寫，因此在正則表達式中使用了標志位flags，卻死活不生效。

一開始，我的函數是這樣寫的：

def punctuate(s):#----其余代碼暫略s = re.sub(' e. g. ', 'e.g.', s, re.I)return s

代碼的本意是：本來好好的e.g.，被函數前半斷的代碼錯改成e. g.之后，需要修復一下，將英文句號.后面的空格刪掉。但這行 re.sub() 代碼主要有2個問題：

• e. g.前后不一定是空格，因此這樣寫的話，如果遇到e. g.,或是(e. g. xxx的情況就會被跳過。
• 英文的句號.未轉義
• 標志位 re.I不生效

前2個問題好解決。改進代碼如下：

''' 遇到問題沒人解答？小編創建了一個Python學習交流QQ群：778463939 尋找有志同道合的小伙伴，互幫互助,群里還有不錯的視頻學習教程和PDF電子書！ '''def punctuate(s):#----其余代碼暫略s = re.sub('([^a-zA-Z]e\.) (g\.[^a-zA-Z])', '\g<1>\g<2>', s, re.I)return s

規則是：e. g.之前或之后，必須有非英文字母的字符（包括空格），且e.和g.中間有一個空格，則將中間的空格刪掉，且保留前后的非英文字母（\g<1>表示查找到的第1個括號內的文本，\g<2>表示第2個括號）。但標志位 re.I 的問題還是沒解決。

re.sub(pattern, repl, string, count=0, flags=0)

我傳入的第4個參數 re.I 會被當作是 count。因此，正確的姿勢是明確寫明flags=re.I。

整個標點符號規范化函數還包括其它的替換，完整代碼如下：

def punctuate(s):s = re.sub('([,:;?!\.”\)])', '\g<1> ', s) #后加空格s = re.sub('([“\(])', ' \g<1>', s) #前加空格s = re.sub('([“\(]) ', '\g<1>', s) #后刪空格s = re.sub(' ([,:;?!\.”\)])', '\g<1>', s) #前刪空格s = re.sub('([,\.?!;\)]) ”', '\g<1>”', s) #閉引號前去空格s = re.sub('\) ([,:;?!\.”])', ')\g<1>', s) #閉括號后去空格s = re.sub('(\d)\. (\d)', '\g<1>.\g<2>', s) #小數點后去空格s = re.sub(' +', ' ', s) #多空格改單空格#拉丁加點縮寫單詞，點號后面去空格s = re.sub('([^a-zA-Z]e\.) (g\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('([^a-zA-Z]i\.) (e\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('([^a-zA-Z]q\.) (v\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('([^a-zA-Z]v\.) (s\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('([^a-zA-Z]n\.) (b\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('([^a-zA-Z]p\.) (s\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('\. ,', '.,', s)return s

總結

以上是生活随笔為你收集整理的Python正则表达式 re.sub()函数：标志位flags与参数个数问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。