Question

def de_punctuate(xs):
    return re.findall(r"[\w']+(?:-[\w']+)*", xs)

numbers = partial(re.search, r'[0,9]')

def no_numbers(xs):
    return filterfalse(numbers, xs)

def string2filter(xs):
    return no_numbers(de_punctuate(xs))

for d in data:
    print(d)
    print(list(string2filter(d)))

输出：

Nordmann brukte mobilen i ett døgn i Afrika - må ut med 137.000 kroner
['Nordmann', 'brukte', 'mobilen', 'i', 'ett', 'døgn', 'i', 'Afrika', 'må', 'ut', 'med', '137', 'kroner']

400.000 japanere evakueres fra flom
['japanere', 'evakueres', 'fra', 'flom']

Utvist i 2009 - nå siktet for overfallsvoldtekt i 2011
['Utvist', 'i', 'nå', 'siktet', 'for', 'overfallsvoldtekt', 'i']

Selvmordsangrep mot afghansk bryllupsfest - Minst 22 drepte
['Selvmordsangrep', 'mot', 'afghansk', 'bryllupsfest', 'Minst', '22', 'drepte']

我很困惑为什么输出与数字不一致。应该没有。在某些情况下，这是正确的，但对于其他情况，他们仍然存在。见输出1和4.

任何想法？

如果出现以下错误，我想测试每个word：this3

我可以在第一个重复表达式中包含数值搜索，所以我不必进行双重传递吗？

答案是：

def stripsplit(xs):
    """ return a list, excluding numbers and punctuation (except joining hyphens) """
    return re.findall(r"[a-zA-ZåøæÅØÆ']+(?:-[a-zA-ZåøæÅØÆ']+)*", xs)

Answer 1

要搜索数字，而不是r'[0,9]'，您应该使用'[0-9]'或'\d'。

（[0,9]匹配'0'或'，'或'9'，这不是你的意思）

修改： \w相当于[a-zA-Z0-9_]。为什么不直接使用[a-zA-Z']？

re和数字的问题

1 个答案: