我有2个相关问题/问题。
def remove_delimiters (delimiters, s):
for d in delimiters:
ind = s.find(d)
while ind != -1:
s = s[:ind] + s[ind+1:]
ind = s.find(d)
return ' '.join(s.split())
delimiters = [",", ".", "!", "?", "/", "&", "-", ":", ";", "@", "'", "..."]
d_dataset_list = ['hey-you...are you ok?']
d_list = []
for d in d_dataset_list:
d_list.append(remove_delimiters(delimiters, d[1]))
print d_list
输出= 'heyyouare you ok'
删除分隔符时,避免将字符串组合在一起的最佳方法是什么?例如,输出为hey you are you ok
?
...
可能有许多不同的序列,例如..
或..........
等。如何实施某种形式的规则,如果更多只有一个.
出现在彼此之后才能删除它?我想尝试避免在我的分隔符列表中对所有序列进行硬编码。三江源
答案 0 :(得分:5)
您可以尝试这样的事情:
给定分隔符d
,将它们连接到正则表达式
>>> d = ",.!?/&-:;@'..."
>>> "["+"\\".join(d)+"]"
"[,\\.\\!\\?\\/\\&\\-\\:\\;\\@\\'\\.\\.\\.]"
使用此正则表达式使用re.split
>>> s = 'hey-you...are you ok?'
>>> re.split("["+"\\".join(d)+"]", s)
['hey', 'you', '', '', 'are you ok', '']
将所有非空片段重新加入
>>> ' '.join(w for w in re.split("["+"\\".join(d)+"]", s) if w)
'hey you are you ok'
此外,如果您只想删除所有非单词字符,则可以使用字符组\W
而不是手动枚举所有分隔符:
>>> ' '.join(w for w in re.split(r"\W", s) if w)
'hey you are you ok'
答案 1 :(得分:0)
首先,使用替换函数(http://www.tutorialspoint.com/python/string_replace.htm)可以大大简化删除分隔符的功能
这有助于解决您的第一个问题。而不是仅删除它们,用空格替换,然后使用您已经使用的模式去掉空格(split()将连续的分隔符视为一个)
更好的功能就是:
def remove_delimiters (delimiters, s):
new_s = s
for i in delimiters: #replace each delimiter in turn with a space
new_s = new_s.replace(i, ' ')
return ' '.join(new_s.split())
回答你的第二个问题,我说是正常表达的时间
>>> import re
... ss = 'hey ... you are ....... what?'
... print re.sub('[.+]',' ',ss)
hey you are what?
>>>