Question

我正在解析非字母数字字符的文本，并希望排除撇号，短划线/连字符和逗号等特定字符。

我想为以下情况构建一个正则表达式：

非字母数字字符，不包括撇号和超量
非字母数字字符，不包括逗号，撇号和超量

这就是我的尝试：

def split_text(text):
    my_text = re.split('\W',text)

    # the following doesn't work.
    #my_text = re.split('([A-Z]\w*)',text)
    #my_text = re.split("^[a-zA-Z0-9]+(-[a-zA-Z0-9]+)*$",text)

    return my_text

案例1 ：
- 示例输入：怎么了？很高兴见到你我的朋友。对世界“你好”！
- 示例输出： ['什么'，'上'，'它'，'好'，'到'，'看'，'你'，'我的朋友'，'你好'，'to-the'，'world']
案例2 ：
- 示例输入：这意味着做这样的事情并不好。
- 示例输出： ['它'，'表示'，'表示'，'它'，'不'，'好'到'，'做'，'这样'，'东西]

任何想法

Answer 1

您可以使用否定的character class：

my_text = re.split(r"[^\w'-]+",text)

或

my_text = re.split(r"[^\w,'-]+",text)   # also excludes commas

Answer 2

这就是你想要的吗？

非字母数字字符，不包括撇号和超量

my_text = re.split(r"[^\w'-]+",text)

非字母数字字符，不包括逗号，撇号和超量

my_text = re.split(r"[^\w-',]+",text)

[]语法定义了一个字符类，[^..] “补充”它，即它否定了它。

请参阅documentation：

可以通过补充集来匹配不在范围内的字符。如果该集的第一个字符是 '^'，则将匹配该集合中不包含的所有字符。例如， [^5] 将匹配除 '5' 之外的任何字符，并且 [^^] 将匹配任何字符除了 '^'。 ^ 如果不是该集合中的第一个字符，则没有特殊含义。

正则表达式忽略特定字符

2 个答案: