Question

我有这段代码用于删除正则表达式字符串中的所有标点符号：

import regex as re    
re.sub(ur"\p{P}+", "", txt)

如何更改它以允许连字符？如果你能解释一下你是怎么做到的，那就太好了。我明白在这里，如果我错了，请纠正我，在标点后加上任何东西。

Answer 1

[^\P{P}-]+

\P是\p的补充 - 不是标点符号。所以这匹配不（不是标点符号或破折号）的任何内容 - 导致除破折号之外的所有标点符号。

示例：http://www.rubular.com/r/JsdNM3nFJ3

如果你想要一种非复杂的方式，另一种选择是\p{P}(?<!-)：匹配所有标点符号，然后检查它不是破折号（使用负向后观）。
工作示例：http://www.rubular.com/r/5G62iSYTdk

Answer 2

以下是re模块的使用方法，以防您必须坚持使用标准库：

# works in python 2 and 3
import re
import string

remove = string.punctuation
remove = remove.replace("-", "") # don't remove hyphens
pattern = r"[{}]".format(remove) # create the pattern

txt = ")*^%{}[]thi's - is - @@#!a !%%!!%- test."
re.sub(pattern, "", txt) 
# >>> 'this - is - a - test'

如果效果很重要，您可能需要使用str.translate，因为it's faster than using a regex。在Python 3中，代码为txt.translate({ord(char): None for char in remove})。

Answer 3

您可以指定要手动删除的标点符号，如[._,]或提供函数而不是替换字符串：

re.sub(r"\p{P}", lambda m: "-" if m.group(0) == "-" else "", text)

Python正则表达式，删除除unhenode字符串的连字符之外的所有标点符号

3 个答案: