17.2. plural.py, 第 1 阶段

优质

小牛编辑

133浏览

2023-12-01

17.2. plural.py, 第 1 阶段

你所针对的单词，至少在英语中是字符串和字符。另外你需要规则来找出不同的字符（字母）组合，并对他们进行不同的操作。这听起来像是正则表达式的工作。

例 17.1. plural1.py

import re
def plural(noun):                            
    if re.search('[sxz]$', noun):             
        return re.sub('$', 'es', noun)        
    elif re.search('[^aeioudgkprt]h$', noun):
        return re.sub('$', 'es', noun)       
    elif re.search('[^aeiou]y$', noun):      
        return re.sub('y$', 'ies', noun)     
    else:                                    
        return noun + 's'

好啦，这是一个正则表达式，但是它使用了你在第 7 章 正则表达式 中未曾见过的语法。方括号的意思是 “完全匹配这些字符中的一个”。也就是说，[sxz] 意味着 “s，或者 x，再或者 z”，但只是其中的一个。 $ 应该不陌生，它意味着匹配字符串的结尾。也就是说，检查 noun 是否以 s，x，或者 z 结尾。

re.sub 函数起着以正则表达式为基础的替换工作。让我们更具体地看看它。

例 17.2. 介绍 re.sub

>>> import re
>>> re.search('[abc]', 'Mark')   
<_sre.SRE_Match object at 0x001C1FA8>
>>> re.sub('[abc]', 'o', 'Mark') 
'Mork'
>>> re.sub('[abc]', 'o', 'rock') 
'rook'
>>> re.sub('[abc]', 'o', 'caps') 
'oops'

	Mark 包含 a， b，或者 c吗？是的，含有 a。
	好的，现在找出 a， b，或者 c 并以 o 取代之。 Mark 就变成 Mork 了。
	同一方法可以将 rock 变成 rook。
	你可能认为它可以将 caps 变成 oaps，但事实并非如此。 re.sub 替换所有的匹配项，并不只是第一个匹配项。因此正则表达式将会把 caps 变成 oops。因为， c 和 a 都被转换为 o了。

例 17.3. 回到 plural1.py

import re
def plural(noun):                            
    if re.search('[sxz]$', noun):            
        return re.sub('$', 'es', noun)        
    elif re.search('[^aeioudgkprt]h$', noun): 
        return re.sub('$', 'es', noun)        
    elif re.search('[^aeiou]y$', noun):      
        return re.sub('y$', 'ies', noun)     
    else:                                    
        return noun + 's'

	回到 plural 函数。你在做什么？你在以 es 取代字符串的结尾。换句话说，追加 es 到字符串。你可以通过字符串拼合做到相同的事。例如： noun + 'es'，但是我使用正则表达式做这一切，既是为了保持一致，也是为了本章稍后你会明白的其它原因。
	仔细看看，这是另一个新的内容。 ^ 是方括号里面的第一个字符，这有特别的含义：否定。 [^abc] 意味着 “ 除 a、 b、和 c 以外的任意单字符”。所以， [^aeioudgkprt] 意味着除 a、 e、 i、 o、 u、 d、 g、 k、 p、 r 和 t 以外的任意字符。这个字符之后应该跟着一个 h，然后是字符串的结尾。你在寻找的是以发音的 H 结尾的单词。
	这是一个相似的表达：匹配 Y 前面不是 a、 e、 i、 o 和 u，并以这个 Y 结尾的单词。你在查找的是以发 I 音的 Y 结尾的单词。

例 17.4. 正则表达式中否定的更多应用

>>> import re
>>> re.search('[^aeiou]y$', 'vacancy') 
<_sre.SRE_Match object at 0x001C1FA8>
>>> re.search('[^aeiou]y$', 'boy')     
>>> 
>>> re.search('[^aeiou]y$', 'day')
>>> 
>>> re.search('[^aeiou]y$', 'pita')    
>>>

	vacancy 匹配这个正则表达式，因为它以 cy 结尾，并且 c 不在 a、 e、 i、 o 和 u 之列。
	boy 不能匹配，因为它以 oy 结尾，并且你特别指出 y 之前的字符不可以是 o。 day 不能匹配是因为以 ay 结尾。
	pita 不匹配是因为不以 y 结尾。

例 17.5. 更多的 re.sub

>>> re.sub('y$', 'ies', 'vacancy')              
'vacancies'
>>> re.sub('y$', 'ies', 'agency')
'agencies'
>>> re.sub('([^aeiou])y$', r'\1ies', 'vacancy') 
'vacancies'

正则表达式把 vacancy 变为 vacancies，把 agency 变为 agencies 正是你想要的。注意，将 boy 变成 boies 是可行的，但是永远不会发生，因为 re.search 首先确定是否应该应用 re.sub。

顺便提一下，可以将两个正则表达式（一个确定规则适用与否，一个应用规则）合并在一起成为一个正则表达式。这便是合并后的样子。它的大部分已经很熟悉：你应用的是在第 7.6 节 “个案研究: 解析电话号码” 学过的记忆组（remembered group）记住 y 之前的字符。然后再替换字符串，你使用一个新的语法 \1，这意味着： “嘿！记得前面的第一个组吗？把它放这儿”。就此而言，记住了 y 之前的 c ，然后你做替换工作，你将 c 替换到 c 的位置，并将 ies 替换到 y 的位置。（如果你有不只一个组则可以使用 \2 或者 \3 等等。）

正则表达式替换非常强大，并且 \1 语法使之更加强大。但是将整个操作放在一个正则表达式中仍然晦涩难懂，也不能与前面描述的复数规则直接呼应。你原来列出的规则，比如 “如果单词以 S， X 或者 Z 结尾，结尾追加 ES”。如果你在函数中看到两行代码描述 “如果单词以 S， X 或者 Z 结尾，结尾追加 ES”，更加直观些。