Python Regex，如何用单个模式替换多个事件？

Question

我试图制作一个模糊的自动完成建议框，突出显示带有HTML标记的搜索字符

例如，如果用户输入“ldi”，其中一个建议是“莱昂纳多·迪卡普里奥”，则期望的结果是“莱昂纳多·迪卡普里奥”。每个字符的第一次出现将按外观顺序高亮显示。

我现在正在做的是：

def prototype_finding_chars_in_string():
    test_string_list = ["Leonardo DiCaprio", "Brad Pitt","Claire Danes","Tobey Maguire"]
    comp_string = "ldi" #chars to highlight
    regex = ".*?" + ".*?".join([f"({x})" for x in comp_string]) + ".*?" #results in .*?(l).*?(d).*?(i).*
    regex_compiled = re.compile(regex, re.IGNORECASE)
    for x in test_string_list:
        re_search_result = re.search(regex_compiled, x) # correctly filters the test list to include only entries that features the search chars in order
        if re_search_result:
            print(f"char combination {comp_string} are in {x} result group: {re_search_result.groups()}")

导致

char combination ldi are in Leonardo DiCaprio result group: ('L', 'D', 'i')

现在我想用替换结果组中的每个出现

我目前所做的是在结果上循环，并使用内置的str.replace方法替换出现的内容：

def replace_with_bold(result_groups, original_string):
    output_string: str = original_string
    for result in result_groups:
        output_string = output_string.replace(result,f"<b>{result}</b>",1)
    
    return output_string

这导致：

Highlighted string: <b>L</b>eonar<b>d</b>o D<b>i</b>Caprio

但我认为在我已经有比赛小组的情况下，在结果上这样循环是浪费。此外，它甚至不正确，因为它从每个循环的开头检查字符串。对于输入“ooo”，结果如下：

char combination ooo are in Leonardo DiCaprio result group: ('o', 'o', 'o')
Highlighted string: Le<b><b><b>o</b></b></b>nardo DiCaprio

当它应该是Le时

有没有办法简化这个？也许这里的正则表达式是过度杀戮？




Answer 1

这应该行得通：

for result in result_groups:
    output_string = re.sub(fr'(.*?(?!<b>))({result})((?!</b>).*)',
         r'\1<b>\2</b>\3',
         output_string,
         flags=re.IGNORECASE)

在每次迭代的第一次出现的结果（？*懒惰这一起做第一次出现的魔力）将被取代。

Answer 2

一种使用re的方法。拆分：

test_string_list = ["Leonardo DiCaprio", "Brad Pitt", "Claire Danes", "Tobey Maguire"]

def filter_and_highlight(strings, letters):
    
    pat = re.compile( '(' + (')(.*?)('.join(letters)) + ')', re.I)
    
    results = []
    
    for s in strings:
        parts = pat.split(s, 1)
        
        if len(parts) == 1: continue
        
        res = ''
        for i, p in enumerate(parts):
            if i & 1:
                p = '<b>' + p + '</b>'
                
            res += p
            
        results.append(res)
        
    return results

filter_and_highlight(test_string_list, 'lir')

re.split的一个特殊性是捕获在默认情况下作为部分包含在结果中。此外，即使第一个捕获在字符串的开始处匹配，也会在它之前返回一个空部分，这意味着搜索到的字母总是在子字符串列表中的奇数索引处。