错误：没有重复的位置

Question

我有一个文本文件，其中包含一个真正的英文俚语单词和他们的替代品列表。我将这个文本文件转换成一个使用“：”作为分割点的字典，并且在转换后打印字典时，一切似乎都没问题。

但是，源自此行的错误：slangs_re = re.compile('|'.join(slang_dict.keys()))表示nothing to repeat at position 112207。

在尝试调试时，我发现错误以某种方式链接到字典。这是因为当我在下面运行代码时，我没有得到正确的输出，但是我也没有得到一个错误。该代码的预期输出是“适应性”，但实际输出是“fitess”。

import re 

test = "fitess" 

slang_dict = {"fitess":"fitness", "damm":"damn"} 

slangs_re = re.compile('|'.join(slang_dict.keys())) 

def correct_slang(s, slang_dict=slang_dict): 
    def replace(match): 
     return slang_dict[match.group(0)] 

    return slangs_re.sub(replace, s) 

test = correct_slang(test) 
print(test) 

这是字典中的代码（抱歉，但文本文件太大被包括在内。样品可取here）。预期的输出是“健身”，但实际的输出是一个错误：

import re 

test = "fitess" 

file = open("slang_conversion.txt","r") 

slang_dict = {} 

for line in file: 
    x = line.split(":") 
    a = x[0] 
    b = x[1] 
    c = len(b) - 1 

    b = b[0:c] 

    slang_dict[a] = b 

slangs_re = re.compile('|'.join(slang_dict.keys())) # <-- error 

def correct_slang(s, slang_dict=slang_dict): 
    def replace(match): 
     return slang_dict[match.group(0)] 

    return slangs_re.sub(replace, s) 

test = correct_slang(test) 

print(test) 

在阅读其他SO线程，我才知道，这是在某些情况下的错误，但它似乎并没有成为一个在这个案例。

谢谢

Answer 1

我建议用

slangs_re = re.compile(r"(?<!\w){}(?!\w)".format('|'.join([re.escape(x) for x in slang_dict]))) 

更换

slangs_re = re.compile('|'.join(slang_dict.keys())) 

，并确保您通过长按降序排序的键。

from collections import OrderedDict 
import re 

test = "fitess no kome*" 

slang_dict = {"Aha aha":"no", "fitess":"fitness", "damm":"damn", "kome*":"come", "ow wow":"rrf"} 
slang_dict = OrderedDict(sorted(slang_dict.iteritems(), key=lambda x: len(x[0]), reverse=True)) 

slangs_re = re.compile(r"(?<!\w){}(?!\w)".format('|'.join([re.escape(x) for x in slang_dict]))) 
def correct_slang(s, slang_dict=slang_dict): 
    def replace(match): 
     return slang_dict[match.group(0)] 

    return slangs_re.sub(replace, s) 

test = correct_slang(test) 
print(test) 

见Python demo

这将检查的条款作为一个整体的话，将逃跑的特殊字符在每个搜索短语，这样它们传递给正则表达式引擎时没有任何问题可能会发生。

如果您对整个单词匹配不感兴趣，请删除(?<!\w)（检查前导词边界）和(?!\w)（检查末尾词边界）。