Python中使用正则表达式修复字符串缺失分号的问题

你的原正则表达式匹配范围过于宽泛，会错误替换大量正常字符，导致结果混乱。我们需要精准定位数字（死亡率）后未加分号、直接衔接大写开头城市名的场景，以下是修正后的方案：

核心思路 #

缺失分号的位置特征是：数字 + （可选空格） + 大写字母开头的城市名，我们可以通过正则匹配这个模式，在数字和城市名之间插入分号。

修正后的代码 #

import re

mystring = "Birkenhead, 16; Birmingham, 15; Blackburn, 16; Bolton, 18 ; Bradford, 16 ; Brighton, 14 Bristol, 20; Cardiff, 25 ; Derby, 12 ; Halifax, 20; Biddersfield, 21 ; Hull, 19 ; Leeds, 22 ; Leicester, 18 ; London, 17; Manchester,15 ; Norwich, 24; Nottingham, 21; Oldham, 18 ; Plymouth, 19 Portsmouth, 15 ; Preston, 23 ; Salford, 14 ; Sheffield, 16 ; Sunderland, 18; Wolverhampton. 30. The rate in Edinburgh was 14 ;in Glasgow, 23 ; and in Dublin. 22."

# 补充分隔地点的分号
fixed_string = re.sub(r'(\d+)\s*(?=[A-Z])', r'\1; ', mystring)

# 可选：修复文本中的标点错误（如城市名后的句号改为逗号）
fixed_string = re.sub(r'([A-Za-z]+)\. (\d+)', r'\1, \2', fixed_string)

print(fixed_string)

正则表达式说明 #

• (\d+)：捕获一个或多个数字（即城市的死亡率）
• \s*：匹配零个或多个空格，兼容数字后有空格或无空格的情况
• (?=[A-Z])：正向预查，确保匹配位置的下一个字符是大写字母（城市名的首字母），避免误替换其他场景
• 替换为\1; ：保留捕获的数字，在其后添加分号和空格，补充分隔符

处理后效果 #

原文本中缺失分号的片段：

Brighton, 14 Bristol, 20
Plymouth, 19 Portsmouth, 15

会被修正为：

Brighton, 14; Bristol, 20
Plymouth, 19; Portsmouth, 15

内容的提问来源于stack exchange，提问作者graceface