Quelle est la regex pour enlever des points dans les acronymes mais pas dans les noms de domaine?

Question

Je souhaite supprimer des points dans les acronymes mais pas dans les noms de domaine dans une chaîne python. Par exemple, Je veux la chaîne

'a.b.c. test@test.com http://www.test.com' 

pour devenir

'abc test@test.com http://www.test.com' 

Le plus proche regex j'ai fait jusqu'à présent est

re.sub('(?:\s|\A).{1}\.',lambda s: s.group()[0:2], s) 

qui se traduit à

'ab.c. test@test.com http://www.test.com' 

Il semble que f ou l'expression rationnelle ci-dessus pour travailler, je dois changer l'expression rationnelle

(?:\s|\A|\G).{1}\. 

mais il n'y a pas de marqueur de fin de match (\ G) en python.

EDIT: Comme je l'ai mentionné dans mon commentaire, les chaînes n'ont pas de formatage spécifique. Ces chaînes contiennent des conversations humaines informelles et peuvent donc contenir zéro, un ou plusieurs acronymes ou noms de domaine. Quelques erreurs me conviennent si cela m'éviterait de coder un "vrai" analyseur.

Answer 1

Ce qui suit a fonctionné pour moi (merci à Bart pour sa réponse):

re.sub('\.(?!(\S[^. ])|\d)', '', s) 

Cela ne supprimera pas un point si elle est le premier caractère d'un mot ou un acronyme.

Answer 2

Je vous suggère de diviser la chaîne en '@' (ou tout autre caractère qui a du sens), faites la substitution sur la première partie, puis remettez la chaîne en place. Je pense que cela montrera mieux l'intention du code qu'une expression rationnelle complexe. Quelque chose comme ça, peut-être:

string='a.b.c. test@test.com http://www.test.com' 
left, rest = string.split("@",1) 
left = left.replace(".","") 
result="%s@%s" % (left, rest) 

Answer 3

Vous pouvez simplement supprimer DOTS qui n'ont pas deux [az] lettres (ou plus) devant eux:

\.(?![a-zA-Z]{2}) 

Mais cette volonté bien sûr supprimer le premier point à l'adresse suivante:

name.i@foo.bar

Vous pouvez résoudre ce problème en faisant:

\.(?![a-zA-Z]{2}|[^\s@]*+@) 

mais je suis sûr qu'il y aura beaucoup plus de ces cas de coin.

Answer 4

Si vos données sont toujours formatées comme ceci, pourquoi ne pas diviser vos données en 3 parties en les séparant sur l'espace.

Ensuite, il est plutôt trivial de supprimer les points du premier élément et d'utiliser join pour réorganiser les parties.

Answer 5

Pas aussi élégant comme re.sub() simple, mais essayez ceci:

import re 

s='a.b.c. test@test.com http://www.test.com' 
m=re.search('(.*?)(([a-zA-Z]\.){2,})(.*)', s) 

if m: 
    replacement=''.join(m.group(2).split('.')) 
    s=m.group(1)+replacement+m.group(4) 

print s 

Il suppose qu'il n'y a pas plus d'un acronyme par chaîne, mais vous pouvez toujours l'exécuter à plusieurs reprises.

Answer 6

manière non regex:

>>> S = 'a.b.c. test@test.com http://www.test.com' 
>>> ' '.join(w if '@' in w or ':' in w else w.replace('.', '') for w in S.split()) 
'abc test@test.com http://www.test.com' 

(Nécessite des espaces pour séparer sur, mais - donc si vous aviez quelque chose comme des virgules sans espaces, il pourrait manquer un peu.)