Python程序实现：将文本中指定关键短语替换为下划线

核心思路 #

要实现目标文本中指定关键短语的下划线替换，需解决两个核心问题：

• 避免短短语优先匹配导致长短语被截断（比如先匹配"数据"会破坏"数据处理"的完整性）
• 处理短语中的特殊字符，防止正则解析错误

代码实现 #

import re

def replace_keyphrases(text, list_of_keyphrases):
    # 按短语长度降序排序，确保长短语优先匹配
    sorted_phrases = sorted(list_of_keyphrases, key=lambda x: len(x), reverse=True)
    # 转义短语中的正则元字符，构建匹配模式
    pattern = re.compile('|'.join(re.escape(phrase) for phrase in sorted_phrases))
    # 将匹配到的短语替换为等长度下划线
    return pattern.sub(lambda match: '_' * len(match.group()), text)

# 示例测试
if __name__ == "__main__":
    sample_text = "Python是一门高效的编程语言，数据处理、机器学习是其核心应用方向。"
    sample_keyphrases = ["编程语言", "数据处理", "机器学习"]
    replaced_text = replace_keyphrases(sample_text, sample_keyphrases)
    print(replaced_text)

代码说明 #

• 排序处理：对关键短语按长度从长到短排序，保证长短语先被匹配替换，避免短短语截断长匹配项。
• 正则转义：使用re.escape()处理每个短语，确保短语中的特殊字符（如$、*、.）不会被当作正则元字符解析，避免匹配错误。
• 等长度替换：通过匿名函数生成与匹配短语长度一致的下划线，保持原文本的结构布局不变。如果需要固定长度的下划线，只需将lambda match: '_' * len(match.group())替换为固定字符串（如'___'）即可。

内容的提问来源于stack exchange，提问作者Upinderjeet Singh Kahlon