当需要进行条件搜索和替换时，我有一个超过 10MB 的大文本文件。如果“a”之后的字符是“r”或“m”或“n”或“u”，我想用“ā”替换文件中的每个“a”实例。
例如: 输入文件
Hamro sano ghar holata.
输出文件
Hāmro sāno ghār holata.
编辑
谢谢大家，看来效果不错。但它似乎不适用于印度文字等非拉丁字符: 拉丁字符的工作脚本:
#!/usr/bin/env python
#-*- coding: utf-8 -*-
import re
input = "Hamro sano ghar holata."
regex = re.compile(ur'a([rmnu])')
print regex.sub(ur'ā\1', input)
脚本 1(梵文)不工作
#!/usr/bin/env python
#-*- coding: utf-8 -*-
import re
input ="संगम"
regex = re.compile(ur'ं([कखगघ])')
print regex.sub(r'ङ्\1', input)
Script2(添加了 unicode 的东西)不工作
#!/usr/bin/env python
#-*- coding: utf-8 -*-
import re
input =u"संगम"
regex = re.compile(ur'ं([कखगघ])', re.UNICODE)
print regex.sub(r'ङ्\1', input)
预期输出:ं 替换为 ङ्，因为 ग 跟在 ं 即 सङ्गम
请您参考如下方法:
这里需要一个简单的正则表达式。是这样的吗？
>>> import re
>>> input = "Hamro sano ghar holata."
>>> regex = re.compile(ur'a([rmnu])') # the part in parens is remembered
>>> print regex.sub(ur'ā\1', input) # replace by ā plus remembered part
Hāmro sāno ghār holata.
编辑:
一些背景，首先:
对于 Devanāgarī (देवनागरी)，这是一项很多更艰巨的任务，不是因为编码，而是因为组合字形的规则极其复杂(至少，按照拉丁字母的标准)。例如，我在 Chrome 上写这个答案，它仍然无法正确地为“Devanāgarī”组成Devanāgarī(它在错误的地方得到了'e'的变音符号 - 它确实与双元音“ai”相同)。
文本呈现引擎组合这些字形的方式称为“连字”，对于Devanāgarī，从技术角度来看，它们非常复杂。如果您添加由 संधि (saṃdhi -- 再次说明，Chrome 的渲染会在错误的位置获取代表 anusvāra 的 bindu )，那么您会发现您在这里尝试做的事情很快就会变得极其困难。
话虽如此，如果你的问题仅限于这种简单的情况，那么我认为它可以做得干净利落。
>>> import re
>>> inputString = u"संगम"
>>> regex = re.compile(ur'\u0902(?=[कखगघ])')
>>> print regex.sub(ur'ङ\u094d', inputString)
सङ्गम
在正则表达式中，为清楚起见，我用 unicode 转义值替换了 anusvāra 和 virāma(印地语:halant)。鉴于连字的工作方式，这可能会遗漏一些情况，但我已将我的示例切换为使用前瞻，如@Kabie 的示例(无论如何这可能是一个更好的选择)，以尽可能减轻这种情况。
