Haciendo uso de un negative look-ahead X(?!Y)
, revisar que NO este delante de la coincidencia, el objetivo es identificar las substring "ellos"
que no tengan por delante alguna secuencia ((PERS)los
, y si no hay ninguna entonces que reemplace esa substring "ellos"
por la string "((PERS)ellos NO DATA)"
. En caso contrario no debe hacer ningún reemplazo.
import re
# Example 1 :
input_text = "Ellos son grandes amigos, los cellos de ellos, pronto ellos se convirtieron en mejores amigos. ellos se vieron en el parque antes de llevar los viejos gabinetes, ya que ((PERS)los impresoras) eran aun útiles para la compañía ellos. Ellos son algo peores que los nuevos modelos."
# Example 2 :
input_text = "Ellos terminaron bastante rápido el diagrama de flujo"
input_text = re.sub(r"\(\(PERS\)\s*los", "((PERS)los", input_text)
#constraint_pattern = r"\bellos\b(?<!\(\(PERS\)/s*los)" # --> re.error: look-ahead requires fixed-width pattern
constraint_pattern = r"\bellos\b(?<!\(\(PERS\)los)"
input_text = re.sub(constraint_pattern,
"((PERS)ellos NO DATA)",
input_text, flags = re.IGNORECASE)
print(input_text) # --> output
Usando este código, por algún motivo todas las apariciones de la substring "ellos"
son reemplazadas por "((PERS)ellos NO DATA)"
, pero en realidad tan solo las substring "ellos"
que NO estén precedidas por una secuencia "((PERS)los"
deben reemplazarse por "((PERS)ellos NO DATA)"
El objetivo realmente es obtener este output:
#correct output for example 1
"((PERS)ellos NO DATA) son grandes amigos, los cellos de ((PERS)ellos NO DATA), pronto ((PERS)ellos NO DATA) se convirtieron en mejores amigos. ((PERS)ellos NO DATA) se vieron en el parque antes de llevar los viejos gabinetes, ya que ((PERS)los impresoras) eran aun útiles para la compañía ellos. Ellos son algo peores que los nuevos modelos."
#correct output for example 2
"((PERS)ellos NO DATA) terminaron bastante rápido el diagrama de flujo"