Dotaz: Regularne vyrazy - ignore word

[bob]

Potreboval by som pomoc pri 'replace' pomocou regularnych vyrazov. Som v nich takmer zaciatocnik.

Chcel by som, aby replace odstranil pomlcku pre retazce typu:

slovo1-slovo2 (slovo2 iba male pismena)

s vynimkou pre:

slovo-li (napr. bude-li, nez-li, atd.)

Teda, aby: je-limanek zmenil na jelimanek a nez-li nechal nezmenene

Konkretne, ako upravit pythonovsku cast scriptu, aby za pomlckou ignoroval 'li ', 'li.', 'li?', 'li!', atd. (t.j. 'li'+\s alebo 'li'+neabecedny znak):

line = re.sub(r'(\s|„|“)([a-žA-Ž]+)-([a-záéíýúäôľščťžňďěřů])', r'\1\2\3', line)

Dakujem za pomoc

---

---

Odpovědi

[Filip Jirsák]

Použijte vyhlížení.

line = re.sub(r'(\s|„|“)([a-žA-Ž]+)-(?!li\b)([a-záéíýúäôľščťžňďěřů]+)', r'\1\2\3', line)

[bob]

Velka vdaka za pomoc - funguje to, aj za serial o regularnych vyrazoch. Lookahead som sice googlom nasiel, len som myslel, ze ked je v zatvorkach tak ho berie ako parameter/polozku pre nahradzovanie r'\2 - a to nastastie neplati :)

[Tarmaq]

neresi to sice tvuj problem, ale nepoužívej konstrukci [a-žA-Ž], protoze v tech rozsazich jsou i jine znaky nez pismena ceske abecedy..
Vyjmenuj radeji jednotlive znaky: napr.:

[a-záčďéíňóřšťúůýž]

[bob]

Vdaka za radu. Skript je pouzity pri uprave textov z beletrie, tak som akosi predpokladal, ze tam to snad vadit nebude - len som si zjednodusil zapis...

[Šangala]

Když bych to chtěl takto vyjmenovat, tak pro CZ bych doplnil minimálně: ö, ale ještě taky: äü
pro SK ještě: ľĺô
a obecně přidal aspoň: ëïÿâêûôåćśőű

[Ash]

Možná bych python trochu pošťouchnul pomocí pypi

regex.sub(r'(\b|\s|„|“)([[:alpha:]]+)-(?!li\b)([[:lower:]]+)', r'\1\2\3', line)

mi při správném nastavení locale připadá trochu pokrokovější, resp. odpovědnost za nevynechání žádného znaku padá na někoho jiného :) P.S. Nezkoušel jsem :D

[František Krišpín Žižkov]

skus toto: for (++xx; i < yy; x+1 != ""; z <> 3.14)