使用正则表达式实现右括号前后空格的条件化增删处理

问题背景 #

原代码用字符串替换处理括号前后空格，效果不符合预期：

import re

input_text = "((NOUN) )   ) de el auto rojizo, algo) ) )\n Luego ((PL_ADVB)dentro ((NOUN)de baúl ))abajo.) )."

input_text = input_text.replace(" )", ") ")

print(repr(input_text))

错误输出：

'((NOUN))   )  de el auto rojizo, algo)) ) \n Luego ((PL_ADVB)dentro ((NOUN)de baúl) )abajo.)) .'

需求说明 #

需要用re.sub实现两个规则：

1. 移除右括号)前的所有空格
2. 仅当)后不是点号.、换行符\n或行尾时，将)后的空格保留为单个；如果)后是.、\n或行尾，则移除)后的所有空格
   最终目标输出：

'((NOUN))) de el auto rojizo, algo)))
 Luego ((PL_ADVB)dentro ((NOUN)de baúl))abajo.)).'

解决方案代码 #

import re

input_text = "((NOUN) )   ) de el auto rojizo, algo) ) )\n Luego ((PL_ADVB)dentro ((NOUN)de baúl ))abajo.) )."

# 第一步：移除所有右括号前的空格
processed = re.sub(r'\s+\)', ')', input_text)
# 第二步：处理右括号后的空格
# 情况1：右括号后是.、\n或行尾，移除后面的所有空格
processed = re.sub(r')\s+(?=[.\n]|$)', ')', processed)
# 情况2：右括号后是其他字符，将后面的多个空格替换为单个空格
processed = re.sub(r')\s+(?![.\n]|$)', ') ', processed)

print(repr(processed))

代码解释 #

1. 第一个正则r'\s+\)'：匹配一个或多个空格紧跟右括号的模式，替换为单个右括号，彻底移除括号前的所有空格；
2. 第二个正则r')\s+(?=[.\n]|$)'：用正向断言匹配右括号后紧跟空格，且空格后是.、\n或行尾的情况，替换为单个右括号，移除这类空格；
3. 第三个正则r')\s+(?![.\n]|$)'：用负向断言匹配右括号后紧跟空格，且空格后不是.、\n或行尾的情况，替换为)加单个空格，确保只保留一个分隔空格。

运行这段代码就能得到符合要求的目标输出。

内容的提问来源于stack exchange，提问作者Matt095