我正在尝试编写一个程序来使用字典替换文件中的文本。将文本从字典优先级替换为较长的字符串
def preprocess(text, preprocessing_dict):
rc = re.compile('|'.join(map(re.escape, preprocessing_dict)))
def translate(match):
return preprocessing_dict[match.group(0)]
return rc.sub(translate, text)
我想在子串之前先替换较长的字符串。在大多数情况下,上面的代码片段似乎可以完成这项工作。例如,
preprocessing_dict = { 'ka': 'k', 'ka+i': '<k*' }
的ka+i
任何实例由<k*
和不k+i
替换。
但是在较长版本的字典中(206键:从文本文件中读取值对),'na': 'n', 'na+i': '<n*'
na+i
的任何实例都被n+i
替换。但ka+i
仍然正常工作。
我希望你能指点我正确的方向。谢谢。
词典没有排序,你不能依赖那个。 – jonrsharpe