解决Python正则可变宽环视报错及条件字符串替换问题

需求说明 #

将输入字符串中所有未出现在((PERS)\s*los )序列之后的ellos子串，替换为((PERS)ellos NO DATA)。

初始问题 #

初始代码尝试使用后行环视实现条件替换，但触发报错：

import re

input_text = "Ellos son grandes amigos, pronto ellos se convirtieron en mejores amigos. ellos se vieron en el parque antes de llevar ((PERS)los viejos gabinetes), ya que ellos eran aun útiles para la compañía. Ellos son algo peores que los nuevos modelos."

output_text = re.sub(r"(?<!\(\(PERS\)\s*los\s*)ellos", r"((PERS)ellos NO DATA)", input_text, flags=re.IGNORECASE)

print(repr(output_text))

报错信息：re.error: look-behind requires fixed-width pattern
原因：Python标准re库的后行环视要求匹配模式为固定宽度，而原正则中的\s*（任意数量空白符）导致模式宽度可变，违反规则。

另一种尝试的正则模式无效，会无差别替换所有ellos，不符合需求。

解决方案 #

方法1：使用第三方regex库支持可变宽环视 #

Python的第三方regex库（非标准库）支持可变宽度的后行环视，无需修改核心逻辑，直接替换库即可：

1. 先安装库：pip install regex
2. 修改代码：

import regex

input_text = "Ellos son grandes amigos, pronto ellos se convirtieron en mejores amigos. ellos se vieron en el parque antes de llevar ((PERS)los viejos gabinetes), ya que ellos eran aun útiles para la compañía. Ellos son algo peores que los nuevos modelos."

output_text = regex.sub(r"(?<!\(\(PERS\)\s*los\s*)ellos", r"((PERS)ellos NO DATA)", input_text, flags=regex.IGNORECASE)

print(repr(output_text))

执行后将得到符合要求的期望输出。

方法2：在标准re库中用捕获组实现 #

如果不想依赖第三方库，可以通过捕获例外情况+替换目标内容的思路实现：

• 正则匹配两种情况：一是需要保留的((PERS)\s*los\s*)ellos，二是需要替换的独立ellos
• 通过替换函数判断捕获组结果，决定返回原内容还是替换字符串

代码示例：

import re

input_text = "Ellos son grandes amigos, pronto ellos se convirtieron en mejores amigos. ellos se vieron en el parque antes de llevar ((PERS)los viejos gabinetes), ya que ellos eran aun útiles para la compañía. Ellos son algo peores que los nuevos modelos."

def replace_ellos(match_obj):
    # 若捕获到例外前缀，返回原匹配内容
    if match_obj.group(1):
        return match_obj.group(0)
    # 否则返回替换后的字符串
    return "((PERS)ellos NO DATA)"

output_text = re.sub(r"(\(\(PERS\)\s*los\s*)ellos|ellos", replace_ellos, input_text, flags=re.IGNORECASE)

print(repr(output_text))

该代码在标准re库中运行，输出与期望一致。

内容的提问来源于stack exchange，提问作者Matt095