使用re.sub分组实现精确匹配替换连字符后缀未达预期问题

错误原因 #

• 正则首尾的^和$用于匹配整个字符串的开头和结尾，你的输入字符串开头带有空格，完全无法命中规则，同时该规则也不能匹配句子中间的目标单词
• 第一个捕获组([a-zA-Z])仅匹配单个英文字母，无法捕获连字符前的完整单词，需要添加+量词匹配一个或多个字母
• 缺少单词边界校验，无法确保后缀是独立存在的，容易出现误替换

修正后的实现代码 #

import re

string = " Calculou-se"
# 用\b标记单词边界，确保仅匹配独立的目标单词
res = re.sub(r"\b([a-zA-Z]+)-(se|a|o|las)\b", r"\1 \2", string, flags=re.IGNORECASE)
print(res)
# 输出： Calculou se

如果需要适配带重音的葡萄牙语等小语种字母，可以使用Unicode字符匹配规则：

res = re.sub(r"\b([^\W\d_]+)-(se|a|o|las)\b", r"\1 \2", string, flags=re.IGNORECASE | re.UNICODE)

内容的提问来源于stack exchange，提问作者user140259