Python正则表达式 re.sub()函数：标志位flags与参数个数问题

这两天在写爬虫程序，涉及英文文本处理，需要规范化英文标点符号的写法。正常情况下，英文句号.后面需要保证有且只有一个空格，但也有例外情况，比如i.e.、e.g.、P.S.这种。由于无法预测大小写，因此在正则表达式中使用了标志位flags，却死活不生效。

一开始，我的函数是这样写的：

 def punctuate(s):
     #----其余代码暂略
     s = re.sub(' e. g. ', 'e.g.', s, re.I)
     return s

代码的本意是：本来好好的e.g.，被函数前半断的代码错改成e. g.之后，需要修复一下，将英文句号.后面的空格删掉。但这行 re.sub() 代码主要有2个问题：

• e. g.前后不一定是空格，因此这样写的话，如果遇到e. g.,或是(e. g. xxx的情况就会被跳过。
• 英文的句号.未转义
• 标志位 re.I不生效

前2个问题好解决。改进代码如下：

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
 def punctuate(s):
     #----其余代码暂略
     s = re.sub('([^a-zA-Z]e\.) (g\.[^a-zA-Z])', '\g<1>\g<2>', s, re.I)
     return s

规则是：e. g.之前或之后，必须有非英文字母的字符（包括空格），且e.和g.中间有一个空格，则将中间的空格删掉，且保留前后的非英文字母（\g<1>表示查找到的第1个括号内的文本，\g<2>表示第2个括号）。但标志位 re.I 的问题还是没解决。

re.sub(pattern, repl, string, count=0, flags=0)

我传入的第4个参数 re.I 会被当作是 count。因此，正确的姿势是明确写明flags=re.I。

整个标点符号规范化函数还包括其它的替换，完整代码如下：

def punctuate(s):
    s = re.sub('([,:;?!\.”\)])', '\g<1> ', s) #后加空格
    s = re.sub('([“\(])', ' \g<1>', s) #前加空格
    s = re.sub('([“\(]) ', '\g<1>', s) #后删空格
    s = re.sub(' ([,:;?!\.”\)])', '\g<1>', s) #前删空格
    s = re.sub('([,\.?!;\)]) ”', '\g<1>”', s) #闭引号前去空格
    s = re.sub('\) ([,:;?!\.”])', ')\g<1>', s) #闭括号后去空格
    s = re.sub('(\d)\. (\d)', '\g<1>.\g<2>', s) #小数点后去空格
    s = re.sub(' +', ' ', s) #多空格改单空格
    #拉丁加点缩写单词，点号后面去空格
    s = re.sub('([^a-zA-Z]e\.) (g\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)
    s = re.sub('([^a-zA-Z]i\.) (e\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)
    s = re.sub('([^a-zA-Z]q\.) (v\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)
    s = re.sub('([^a-zA-Z]v\.) (s\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)
    s = re.sub('([^a-zA-Z]n\.) (b\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)
    s = re.sub('([^a-zA-Z]p\.) (s\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)
    s = re.sub('\. ,', '.,', s)
    return s