Python正则表达式意外替换了汉字

我有一个中文字典条目列表(基于 cc-cedict)，其中包含以下格式的中文和拉丁字符的混合，以换行符分隔:

(source.txt)

traditional_chars simplified_chars, pinyin, definition

山牆 山墙,shan1 qiang2,gable

B型超聲 B型超声, B xing2 chao1 sheng1,type-B ultrasound

我想在繁体字和简体字之间加一个逗号:

(Desired result)

山牆,山墙,shan1 qiang2,gable

B型超聲,B型超声, B xing2 chao1 sheng1,type-B ultrasound

在 regex101 中进行了一些试验之后，我想到了这个模式:

[A-z]*[\u4300-\u9fff]+(\s)[A-z]*[\u4300-\u9fff]+,

我尝试使用以下代码在 Python 中应用此模式:

import re 
sourcepath = 'sourcefile.txt' 
destpath = 'result.txt' 
pattern = '[A-z]*[\u4300-\u9fff]+(\s)[A-z]*[\u4300-\u9fff]+,' 
 
source = open(sourcepath, 'r').read() 
dest = open(destpath, 'w') 
result = re.sub(pattern, ',', source) 
dest.write(result) 
dest.close() 

但是当我打开 result.txt 时，得到的结果不是我所期望的:

,shan1 qiang2,gable

, B xing2 chao1 sheng1,type-B ultrasound

我还尝试使用具有这种模式的 regexp 模块:

[A-z]*\p{汉}(\s)[A-z]*\p{汉}

但结果是一样的。

我认为通过将\s 字符放在括号中，它会构成一个捕获组，并且只会替换那个空格。但看起来汉字也被替换了。我是否在正则表达式、代码或两者中犯了错误？我应该如何更改它以获得所需的结果？

请您参考如下方法:

如果您有奇数个中文“单词”，您的模式应该考虑重叠匹配。使用前瞻:

re.sub(r'(?i)[A-Z]*[\u4300-\u9fff]+(?=\s+[A-Z]*[\u4300-\u9fff]+)', r'\g<0>,', source) 
                                   ^^^                         ^ 

或者使用原子组仿真，在正先行中捕获并结合使用模式中的反向引用，并检查是否已经有逗号:

re.sub(r'(?i)[A-Z]*(?=([\u4300-\u9fff]+))\1(?!,)', r'\g<0>,', source)  
                   ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^  

参见 regex demo (和 demo 2 )- 不要注意 \x{} 符号，它仅用于演示，因为我使用的是 PHP 选项)。

参见 IDEONE Python 3 demo :

import re 
p = re.compile(r'[A-Z]*(?=([\u4300-\u9fff]+))\1(?!,)', re.IGNORECASE | re.U) 
test_str = "山牆 山墙,shan1 qiang2,gable\nB型超聲 B型超声, B xing2 chao1 sheng1,type-B ultrasound" 
result = p.sub(r"\g<0>,", test_str) 
print(result) 
# => 山牆, 山墙,shan1 qiang2,gable 
# => B型超聲, B型超声, B xing2 chao1 sheng1,type-B ultrasound