如何批量应用正则表达式替换字典处理长文本？

你遇到的核心问题是之前的代码用了re.escape()处理字典的键，而你的键本身是正则表达式模式，转义后会把正则里的特殊字符（比如(?!)、(?<!)这类断言）变成普通字符串，自然无法发挥正则的作用。

下面给你调整后的解决方案：

关键修改点 #

• 去掉对字典键的re.escape()处理，保留正则模式的原始语义
• 对正则模式按长度从长到短排序，避免短模式提前匹配截断长模式（比如你的字典里punt komma比komma长，要先匹配前者，不然会先把komma替换掉，导致punt komma拆成punt加替换后的,, 无法匹配）

完整代码实现 #

import re

def multiple_replace(replacements, text):
    # 按模式长度从长到短排序，避免短模式优先匹配
    sorted_patterns = sorted(replacements.keys(), key=len, reverse=True)
    # 拼接正则表达式，用括号分组保证匹配准确性
    regex = re.compile("|".join(sorted_patterns))
    # 匹配时根据匹配到的完整内容取对应的替换值
    return regex.sub(lambda match: replacements[match.group(0)], text)

if __name__ == "__main__":
    # 你的正则替换字典
    replacements = {
        r'\spunt(?!\s*komma)' : r".",
        r'punt komma' : r",",
        r'(?<!punt )komma' : r",",
        "paragraaf" : "\n\n"
    }
    # 示例字符串
    text = "a punt komma is in this case not a komma and thats it punt"
    # 执行替换
    result = multiple_replace(replacements, text)
    print(result)

输出结果 #

运行后你会得到：

a , is in this case not a , and thats it .

额外说明 #

• 如果你的正则模式里包含捕获分组（(...)），拼接时要注意分组冲突问题，不过你的示例里都是零宽断言，不会有这个问题。
• 排序长模式优先是很必要的操作，这能保证最精确的匹配先被处理，避免出现部分匹配导致的错误替换。

内容的提问来源于stack exchange，提问作者Geveze