在python中使用正则表达式实现中英文符号互换

在进行中文信息处理时，经常会发现有人错误地使用了英文半角的标点符号，给下一步处理造成一些麻烦。如果逐个地判断（使用循环方法）后进行替换，是一件非常费时费力的事情；当出现新的情况时，进行程序的更新也比较麻烦。利用unicode编码的规律和正则表达式中的替换（re.sub）功能，可以较为优雅地达到这个目的。

标点符号在unicode中的编码规律

每个符号都有一个唯一的unicode编码，可以通过内置函数ord()进行查询。如：

>>> ord('?')
63

半角符号符号和全角符号的编码有一个规律：英文符号的unicode编码+65248＝中文符号的unicode编码。
从编码转到具体的符号，可以使用函数chr()。如：

>>> chr(63)
'?'
>>> chr(63+65248)
'？'

空格除外，具体可查看网址：https://blog.csdn.net/zinnc/article/details/68524551

正则表达式的sub函数

re.sub共有5个参数：
第一个参数是pattern，即要匹配的模式；
第二个参数是repl，即拟替换成的对象，可以是字符串，也可以是函数；
第三个参数是string，即源字符串；
第四个参数是count，即替换的次数，0的话就表示全部替换；
第五个参数是flags，即相应的选项。
具体可参考：https://www.cnblogs.com/nkwy2012/p/6548812.html

本文主要是利用到了第二个参数。代码如下：

#!/usr/bin/env Python3  
# -*- encoding:utf-8 *-*
import re
import logging
LOG_FORMAT = "%(asctime)s - %(levelname)s - %(message)s"
logging.basicConfig(filename="test.log", level=logging.INFO, format=LOG_FORMAT)

s = '上帝说:要有光,于是便有了光!上帝若是不想要光了呢?我想,光可能就会自己消失了(来自于我瞎编的)'
logging.info(s)
s0 = re.sub('([:,!?()])', lambda x: chr(ord(x.group(1))+65248), s)
logging.info(s0)

如此，则有：
替换前：
2019-06-06 13:41:45,039 - INFO - 上帝说:要有光,于是便有了光!上帝若是不想要光了呢?我想,光可能就会自己消失了(来自于我瞎编的)
替换后：
2019-06-06 13:41:45,040 - INFO - 上帝说：要有光，于是便有了光！上帝若是不想要光了呢？我想，光可能就会自己消失了（来自于我瞎编的）

需要注意的是，程序中并没有选取一个unicode编码区间设置匹配模式，目的是为了防止“误伤”。
可以使用如下代码来浏览编码与符号的对应关系：

    for i in range(100):
        print("%s:%s->%s" % (i, chr(i), chr(i+65248)))

中文符号转英文符号的思路与之相同。