如何用Python正则表达式精准匹配并替换指定缩写

需求说明 #

有一个REPLACEMENTS字典，键为需要精准匹配的字符串，需将其替换为对应字典值。示例如下：

REPLACEMENTS = dict([('max.' , ' maximum '),
                     ('inkl.' , ' inklusive '),
                     ('z.b.' , ' zum beispiel '),
                     ('ggf.', ' gegebenfalls ')])

sample_input_text = "Hallo, ggf ggf. max z.b. alpha z.b beta ca. 25 cm ca inkl. inkl. inkl"

期望输出：

"Hallo, ggf  gegebenfalls max zum beispiel alpha z.b beta circa 25 cm ca inklusive inklusive inkl"

注意：仅替换与字典键完全匹配的字符串（如ggf.、ca.），不替换无点的版本（如ggf、ca）。

问题重现 #

使用re模块时，出现了ggf 、max 这类非精准匹配项，替换后导致空白字符异常，代码如下：

import re

REPLACEMENTS = dict([('max.' , ' maximum '),
                     ('inkl.' , ' inklusive '),
                     ('z.b.' , ' zum beispiel '),
                     ('ggf.', ' gegebenfalls ')])

sample_input_text = "Hallo, ggf ggf. max z.b. alpha z.b beta ca. 25 cm ca inkl. inkl. inkl"

joined = '|'.join(REPLACEMENTS.keys())

print(re.findall(joined, sample_input_text))
# 输出：['ggf ', 'ggf.', 'max ', 'z.b.', 'z.b ', 'inkl.', 'inkl.']

pattern = re.compile(joined)

output_text = pattern.sub(lambda m: REPLACEMENTS.get(m.group()), sample_input_text)
print(output_text)
# 输出：'Hallo,  gegebenfalls  zum beispiel  alpha beta ca. 25 cm ca  inklusive   inklusive  inkl'

解决方案 #

问题根源有两个：

1. 字典键中的.是正则特殊字符（匹配任意单个字符），未转义导致错误匹配；
2. 未限制匹配的边界，导致部分字符被误判为匹配项。

以下是修正后的代码：

import re

REPLACEMENTS = {
    'max.' : ' maximum ',
    'inkl.' : ' inklusive ',
    'z.b.' : ' zum beispiel ',
    'ggf.' : ' gegebenfalls ',
    'ca.' : ' circa '  # 补充示例中需要替换的ca.
}

sample_input_text = "Hallo, ggf ggf. max z.b. alpha z.b beta ca. 25 cm ca inkl. inkl. inkl"

# 构建精准匹配的正则模式：转义特殊字符 + 边界断言
pattern = re.compile(
    '|'.join(f'(?<!\\w){re.escape(key)}(?!\\w)' for key in REPLACEMENTS.keys()),
    re.UNICODE
)

output_text = pattern.sub(lambda m: REPLACEMENTS.get(m.group()), sample_input_text)
print(output_text)
# 输出：Hallo, ggf  gegebenfalls max zum beispiel alpha z.b beta circa 25 cm ca inklusive inklusive inkl

关键说明 #

• re.escape(key)：将键中的正则特殊字符（如.）转义为普通字符，避免被当成通配符；
• (?<!\w)：反向否定断言，确保匹配字符串的前一位不是字母/数字/下划线，避免匹配类似xggf.的字符串；
• (?!\w)：正向否定断言，确保匹配字符串的后一位不是字母/数字/下划线，避免匹配类似ggf.x的字符串。

通过这两点，就能实现严格的精准匹配，完全符合需求。

内容的提问来源于stack exchange，提问作者Sheldore