Default list replacement in regex

Question

People need to turn a string into a list, in a peculiar way.

I found in this post what I need to do. But I’m lost on the regex applied.

I have numerous string in the following format:

["DECRETO Nº  76.326 DE 23 DE SETEMBRO DE 1975.",   
'DECRETO Nº  76.326, DE 23 DE SETEMBRO DE 1975.',
'DECRETO-LEI Nº  76.326 DE 23 DE SETEMBRO DE 1975.',
'LEI Nº 76.326 DE 23 DE SETEMBRO DE 1975.',
"Decreto Nº  76.326 DE 23 DE SETEMBRO DE 1975",
"Decreto Nº 76.326 de 23 DE Setembro de 1975.",
"DECRETO - LEI Nº  76.326 DE 23 DE SETEMBRO DE 1975.",
"DECRETO- LEI Nº  76.326 DE 23 DE SETEMBRO DE 1975.",
"DECRETO -LEI Nº  76.326 DE 23 DE SETEMBRO DE 1975."]

My ultimate goal is to turn them so they stay that way:

"DECRETO-LEI Nº 76.326, DE 23 DE SETEMBRO DE 1975" ou

"DECRETO Nº 76.326, DE 23 DE SETEMBRO DE 1975" ou

"LEI Nº 76.326, DE 23 DE SETEMBRO DE 1975"

I thought of turning them into a list with regex and join to return the string, but I believe there may be a simpler way.

def truncus22():
    ''''''
    s = 'DECRETO-LEI nº  76.326 De 23 de setembro de 1975.'
    s = re.sub('\.$', '', re.sub('  ', ' ', s))
    return ', '.join(re.split("(?<!^)\s+(?=D)(?!.\s)", s)).upper()

Look here personal an example I had thought of. But it only works in 01 of the cases presented...

I need to edit the original string by removing duplicate spaces, adding a comma before the date, removing spaces in the hyphen, and the endpoint of all strings

Answer 1

edit the original string by removing duplicate spaces, add a comma before the date, remove spaces in the hyphen, and the dot end of all strings.

To solve with Regular Expressions, the deletion of characters (blank and dot) is separated from the insertion of characters (comma).

Regex

Remove characters

The following regular expression is used to check multiple spacing, hyphen spacing and endpoint:

\s+(?=\s|-)|(?<=-)\s+|\.$

And the demo on Regex101 can be seen in the link.

Add Characters

The following regular expression is used to check the date and insert the comma:

(?<!,)\s(?=de\s\d{1,2}\sde\s[a-zç]+\sde\s\d{4}) with the IGNORECASE flag

And the demo on Regex101 can be seen here.

Code

# coding=utf-8
import re


frases =   ["DECRETO Nº  76.326 DE 23 DE SETEMBRO DE 1975.",
            'DECRETO Nº  76.326, DE 23 DE SETEMBRO DE 1975.',
            'DECRETO-LEI Nº  76.326 DE 23 DE SETEMBRO DE 1975.',
            'LEI Nº 76.326 DE 23 DE SETEMBRO DE 1975.',
            "Decreto Nº  76.326 DE 23 DE SETEMBRO DE 1975",
            "Decreto Nº 76.326 de 23 DE Setembro de 1975.",
            "DECRETO - LEI Nº  76.326 DE 23 DE SETEMBRO DE 1975.",
            "DECRETO- LEI Nº     76.326 DE 23 DE SETEMBRO DE 1975.",
            "DECRETO -LEI Nº  76.326 DE 23 DE SETEMBRO DE 1975."]

print """
VERIFICAÇÃO DE ESPAÇOS EXTRAS (2 ou mais) ou espaçamento do hífem OU PONTO FINAL
https://regex101.com/r/SVEi1X/3
"""

padrao_regex = re.compile(r"\s+(?=\s|-)|(?<=-)\s+|\.$")
substituicoes = [re.sub(padrao_regex, "", frase) for frase in frases]
if substituicoes:
    for substituicao in substituicoes:
        print substituicao

print """
VERIFICAÇÃO DE DATAS
https://regex101.com/r/SVEi1X/5
"""

padrao_regex = re.compile(r"(?<!,)\s(?=\d{1,2}\sde\s[a-zç]+\sde\s\d{4})", re.IGNORECASE)
resultados = [re.sub(padrao_regex, ", ", substituicao) for substituicao in substituicoes]
if resultados:
    for resultado in resultados:
        print resultado

Where substitutions by Regex are performed with a loop in the lists as follows: [re.sub(padrao_regex, "caractere de substituição", item) for item in lista]

Upshot

VERIFICAÇÃO DE ESPAÇOS EXTRAS (2 ou mais) ou espaçamento do hífem OU PONTO FINAL
https://regex101.com/r/SVEi1X/3

DECRETO Nº 76.326 DE 23 DE SETEMBRO DE 1975
DECRETO Nº 76.326, DE 23 DE SETEMBRO DE 1975
DECRETO-LEI Nº 76.326 DE 23 DE SETEMBRO DE 1975
LEI Nº 76.326 DE 23 DE SETEMBRO DE 1975
Decreto Nº 76.326 DE 23 DE SETEMBRO DE 1975
Decreto Nº 76.326 de 23 DE Setembro de 1975
DECRETO-LEI Nº 76.326 DE 23 DE SETEMBRO DE 1975
DECRETO-LEI Nº 76.326 DE 23 DE SETEMBRO DE 1975
DECRETO-LEI Nº 76.326 DE 23 DE SETEMBRO DE 1975

VERIFICAÇÃO DE DATAS
https://regex101.com/r/SVEi1X/5

DECRETO Nº 76.326, DE 23 DE SETEMBRO DE 1975
DECRETO Nº 76.326, DE 23 DE SETEMBRO DE 1975
DECRETO-LEI Nº 76.326, DE 23 DE SETEMBRO DE 1975
LEI Nº 76.326, DE 23 DE SETEMBRO DE 1975
Decreto Nº 76.326, DE 23 DE SETEMBRO DE 1975
Decreto Nº 76.326, de 23 DE Setembro de 1975
DECRETO-LEI Nº 76.326, DE 23 DE SETEMBRO DE 1975
DECRETO-LEI Nº 76.326, DE 23 DE SETEMBRO DE 1975
DECRETO-LEI Nº 76.326, DE 23 DE SETEMBRO DE 1975

Answer 2

Python 2.7.15rc1 (default, Apr 15 2018, 21:51:34) 
[GCC 7.3.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> lei = ["lei n32 .....", "lei n43 ....."]
>>> lei[1]
'lei n43 .....'
>>> lei[0]
'lei n32 .....'
>>> lei1 = lei[0]
>>> lei1
'lei n32 .....'
>>> lei2 = lei[1]
>>> lei2
'lei n43 .....'
>>> 

With the above example it treats the variable law as array, so all you have to do is ask lei[indice] and it will return the value in position indice or pass the value of lei[indice] for a common variable.