如何用正则替换字幕文件单词末尾的大写I为小写l（含忽略列表）

现有代码的问题分析 #

你的代码处理带标点的单词失效，核心原因有两个：

• 用split(" ")拆分单词太死板，且通过endswith("I")判断时，完全没考虑单词末尾带标点的情况（比如belI?、hilI,）——这些单词的I后面跟着标点，不会被判定为以I结尾，自然不会进入替换逻辑。
• 就算跳过判断直接替换，re.sub(r'I\b', 'l', i)的\b虽然能识别单词边界，但拆分后的单词已经带标点，前面的判断逻辑已经把这类单词过滤掉了，根本到不了替换步骤。

解决方案：整行正则替换（兼顾标点+忽略指定词汇） #

直接对整行文本做正则匹配替换，不用拆分单词，同时通过正则断言排除需要忽略的词汇。

完整代码

import re

# 需要忽略的词汇列表
ignore_list = ["FBI"]
# 构建忽略词汇的正则负向断言，避免替换这些词里的I
ignore_pattern = r"(?!" + r"|".join([re.escape(word) + r"\b" for word in ignore_list]) + r")"
# 匹配规则：单词末尾的大写I，后面可以跟标点或行尾，且不在忽略词汇中
replace_regex = re.compile(rf"{ignore_pattern}\bI(?=[^\w]|$)")

# 输入输出文件路径
input_file = "your_input.srt"
output_file = "fixed_subtitle.srt"

with open(input_file, "r", encoding="utf-8") as in_f, open(output_file, "w", encoding="utf-8") as out_f:
    for line in in_f:
        # 跳过字幕序号和时间轴行（这些行无需要替换的内容）
        stripped_line = line.strip()
        if stripped_line.isdigit() or "-->" in stripped_line:
            out_f.write(line)
            continue
        # 执行替换并写入结果
        fixed_line = replace_regex.sub("l", line)
        out_f.write(fixed_line)

代码说明

1. 忽略词汇处理：ignore_pattern把忽略列表中的词汇转成正则负向先行断言，确保像FBI这类词里的I不会被替换。
2. 匹配规则：\bI(?=[^\w]|$)匹配单词边界后的大写I，(?=[^\w]|$)用来兼容I后面带标点（逗号、问号等）或行尾的情况，完美覆盖你遇到的带标点单词场景。
3. 效率优化：跳过字幕的序号和时间轴行，避免无意义的正则匹配。
4. 文件读写：直接生成修复后的字幕文件，比打印结果更实用。

测试效果

针对你提供的示例字幕，处理后会得到：

1
00:00:14, 391 --> 00:00:15, 976
He he'll  crawl Interdimensional,

2
00:00:17, 352 --> 00:00:18, 353
Who, are you a bell? l? l am on a hill,

3
00:00:17, 352 --> 00:00:18, 353
l walking up hi'll, and roll all the way down.

4
00:00:17, 352 --> 00:00:18, 353
l fell and we'll go again to the FBI.

内容的提问来源于stack exchange，提问作者bob_the_bob