如何修正Python代码以检测所有无变体的重音字符？

需求 #

检测文本中无对应变体的重音字符，并触发错误提示。

现有代码 #

import re
accents = ['é', 'à', 'è', 'ù', 'â', 'ê', 'î', 'ô', 'û', 'ç', 'ë', 'ï', 'ü']


with open("test.txt", 'r', encoding='UTF-8') as file:
    lines = [line.rstrip() for line in file]
        #print(line)
    for line in lines:
        for accent in accents:
            if accent in line:
                my_list = line.split(accent)
                #print(my_list)
                for x in my_list:
                    if x[-1] == "(" or x[0] == "|" or x[-1] == "|" or x[0] == ")":
                        pass
                    else:
                        print(
                            "Error found on line:",
                            lines.index(line)+1,
                            ",", f'"{accent}"',
                            "has no accent variation")
                        my_list.pop(1)

测试文件（test.txt）内容 #

t(é|e)làphone|télephone|portland(e|é)

当前问题 #

代码仅能检测到t(é|e)làphone中的à，无法检测télephone中的é——因为该é拆分后内容触发了x[-1] == "|"的跳过条件，导致误判。

原代码的核心问题是通过字符串拆分+简单字符判断来识别变体结构，逻辑过于粗糙，无法准确区分“是否在合法变体组内”的重音字符。比如télephone里的é前面是|，但这个|属于不同分支的分隔符，不是变体组的一部分，原代码误将其当作合法变体跳过了。

更可靠的思路是：先识别文本中所有合法的变体结构（比如(é|e)或(e|é)这类格式），然后检查所有重音字符是否在这些合法结构内，不在的就触发错误。

具体实现代码 #

import re

# 定义需要检测的重音字符集合
ACCENTS = {'é', 'à', 'è', 'ù', 'â', 'ê', 'î', 'ô', 'û', 'ç', 'ë', 'ï', 'ü'}
# 正则匹配合法变体组：捕获括号内的变体内容，如(é|e)、(e|é)
VARIATION_PATTERN = re.compile(r'\(([^)]+)\)')

with open("test.txt", 'r', encoding='UTF-8') as file:
    for line_num, line in enumerate(file, start=1):
        line = line.rstrip()
        # 遍历所有合法变体组，记录它们的位置范围
        valid_variation_ranges = []
        for match in VARIATION_PATTERN.finditer(line):
            valid_variation_ranges.append(match.span())
        
        # 检查行中每个重音字符是否在合法变体组内
        for char_idx, char in enumerate(line):
            if char in ACCENTS:
                # 判断当前字符是否处于某个合法变体组的括号范围内
                in_valid_group = False
                for start, end in valid_variation_ranges:
                    if start < char_idx < end:
                        in_valid_group = True
                        break
                # 不在合法组内则输出错误
                if not in_valid_group:
                    print(f"Error found on line: {line_num}, \"{char}\" has no accent variation")

代码说明 #

1. 正则定位变体组：用\(([^)]+)\)匹配所有(xxx)格式的变体组，记录每个组的起止位置。
2. 精准判断重音位置：遍历行中每个字符，遇到重音字符时，检查它是否处于某个变体组的括号范围内。
3. 避免误判：只跳过处于合法变体组内的重音字符，其余无对应变体的重音都会触发错误提示。

测试结果 #

运行代码后会正确检测到两个错误：

• 第1行的à（无对应变体）
• 第1行的é（télephone中的é无对应变体）

完全符合需求，不会出现原代码的误判情况。

内容的提问来源于stack exchange，提问作者alinapal