import re
input_text = "((PERS) Marcos Sy y) ((PERS) Lucy) estuvieron ((VERB) jugando) sdds" #example 1
input_text = "ashsahghgsa ((PERS) María y Rosa ds) son alumnas de esa escuela y juegan juntas" #example 2
input_text = re.sub(
r"\(\(PERS\)" + r"((?:\w\s*)+(?:\sy\s(?:\w\s*)+)+)(?=\s*y\s*(?:\)|\())",
#lambda m: (f"((PERS)){m[1]}) y"),
lambda m: (f"((PERS)){m[1].replace(' y', ') y ((PERS)')}"),
input_text, re.IGNORECASE)
print(input_text) # --> output
Necesito separar el contenido dentro de una etiqueta ((PERS) )
si hay una " y "
o una " y)"
en el medio.
Así que saca la " y"
o la " y "
de la etiqueta ((PERS) )
y el resto del contenido (en caso de que se encuentre como en el caso del ejemplo 2
) dejarlo en otra etiqueta ((PERS) )
. Pruebo con \s+y\s+?
y con \s+y\s+
Para lograr el resultado deseado, probé con una expresión regular para hacer coincidir todos los nombres dentro de la etiqueta ((PERS) )
que están separados por " y "
o " y)"
. Para eso, traté de usar una búsqueda anticipada positiva para buscar " y "
o " y)"
después de cada nombre, y luego agrupé todos los nombres. Pero esta búsqueda anticipada no funciona bien.
Entonces deberia obtener este output para cada uno de los ejemplos respectivamente:
"((PERS) Marcos Sy) y ((PERS) Lucy) estuvieron ((VERB) jugando) sdds" #for example 1
"ashsahghgsa ((PERS) María) y ((PERS)Rosa ds) son alumnas de esa escuela y juegan juntas" #for example 2
((PERS) texto )
, la idea es que no halla mas de un nombre dentro de cada label, entonces el criterio es que si hay un" y "
o un" y)"
entonces se lo excluya del label, ya que no es parte del nombre (o es texto perteneciente a otro nombre distinto. Lo que yo intente es usar un look-ahead, creo que podria usarlo de tamaño limitado si en lugar de ponerr"\s+y\s+(?:\)|)"
pusieser" y "
yr" y\)"
, en ese caso podria tener el mismo criterio de delimitacion pero con longitud fija, de modo que ya el uso del look-ahead sería viable"((PERS)something_a y something_b)"
debería quedar como"((PERS)something_a) y ((PERS)something_b)"
, y para el caso de((PERS)something_a y)
debería quedar((PERS)something_a) y
, creo que podria hacerse usando un look-ahead de tamaño fijo