如何匹配希伯来语缩写词与对应全称并生成字典？

上下文 #

我有如下段落：

text = """
בביהכנ"ס - בבית הכנסת דו"ח - דין וחשבון הת"ד -  התיקוני דיקנא
בגו"ר  - בגשמיות ורוחניות ה"א - ה' אלוקיכם התמי' - התמיהה
בהנ"ל - בהנזכר לעיל ה"א - ה' אלקיך ואח"כ - ואחר כך
בהשי״ת - בהשם יתברך ה"ה - הרי הוא / הוא הדין ואת"ה - ואיגוד תלמידי 
"""

该段落混合了希伯来语单词及其缩写词，单词包含引号（"），例如：

[
    'בביהכנ"ס',
     'דו"ח',
     'הת"ד'
 ]

我已能用正则表达式(\b[\u05D0-\u05EA]*"\b[\u05D0-\u05EA]*\b)匹配所有这类单词，但无法将对应的全称（即未被匹配的部分）作为单独分组匹配。

需求 #

期望生成以缩写词为键、对应全称为值的字典，示例如下：

{
    'בביהכנ"ס': 'בבית הכנסת',
    'דו"ח': 'דין וחשבון',
    'הת"ד': 'התיקוני דיקנא'
}

尝试过的方案 #

我尝试用(\b[\u05D0-\u05EA]*"\b[\u05D0-\u05EA]*\b).*\1匹配单词及后续到该模式再次出现的内容，但未成功。请问如何实现匹配并生成目标字典？

注意：输出打印时可能为从左到右顺序，希伯来语实际应为从右到左，可参考Python中右至左语言处理方案。

思路 #

核心是精准定位「缩写-全称」的成对结构：每一行内包含多组此类组合，通过正则匹配包含引号的缩写，同时捕获其对应的全称内容（直到下一个缩写或行尾）。

代码实现 #

import re

text = """
בביהכנ"ס - בבית הכנסת דו"ח - דין וחשבון הת"ד -  התיקוני דיקנא
בגו"ר  - בגשמיות ורוחניות ה"א - ה' אלוקיכם התמי' - התמיהה
בהנ"ל - בהנזכר לעיל ה"א - ה' אלקיך ואח"כ - ואחר כך
בהשי״ת - בהשם יתברך ה"ה - הרי הוא / הוא הדין ואת"ה - ואיגוד תלמידי 
"""

# 正则匹配每组缩写与对应的全称
pattern = re.compile(r'([\u05D0-\u05EA]+"[\u05D0-\u05EA]+)\s*-\s*([^-]+?)(?=\s+[\u05D0-\u05EA]+"|$)')

# 构建目标字典
abbrev_full_dict = {}
for match in pattern.finditer(text):
    abbrev = match.group(1).strip()
    full_name = match.group(2).strip()
    abbrev_full_dict[abbrev] = full_name

# 输出结果（若需处理希伯来语从右到左显示，可调整输出格式）
for key, val in abbrev_full_dict.items():
    print(f"{key}: {val}")

正则说明 #

• ([\u05D0-\u05EA]+"[\u05D0-\u05EA]+)：捕获包含引号的希伯来语缩写词
• \s*-\s*：匹配分隔符-及其前后的任意空白字符
• ([^-]+?)：非贪婪匹配缩写后的全称内容，避免过度匹配到下一组内容
• (?=\s+[\u05D0-\u05EA]+"|$)：正向预查，确保全称结束于下一个缩写或行尾

内容的提问来源于stack exchange，提问作者MendelG