Question

R gsub("[^[:alnum:]['-]", " ", my_string)已经接近answer，但它在Python中不起作用：

my_string = 'compactified on a calabi-yau threefold @ ,.'
re.sub("[^[:alnum:]['-]", " ", my_string)

给出'compactified on a calab yau threefold @ ,.'

因此，它不仅删除了内部短划线，还删除了短划线前面的单词的最后一个字母。并且它不会删除标点符号

预期结果（没有任何标点符号的字符串，但内部短划线）：'compactified on a calabi-yau threefold'

Answer 1

R使用TRE（POSIX）或PCRE正则表达式引擎，具体取决于perl选项（或使用的函数）。 Python使用经过修改的，更差的类Perl版本作为re库。 Python不支持 POSIX字符类，因为 [:alnum:] 匹配 alpha （字母）和 num （位数）。

在Python中，[:alnum:]可以替换为[^\W_]（或仅限ASCII [a-zA-Z0-9]），而[^[:alnum:]]替换为[\W_]（[^a-zA-Z0-9] }仅ASCII版本。）

[^[:alnum:]['-]匹配除字母数字（字母或数字），[，'或- 以外的任何1个符号。 这意味着您提到的R问题无法提供正确的答案。

您可以使用following solution：

import re
p = re.compile(r"(\b[-']\b)|[\W_]")
test_str = "No -  d'Ante compactified on a calabi-yau threefold @ ,."
result = p.sub(lambda m: (m.group(1) if m.group(1) else " "), test_str)
print(result)

(\b[-']\b)|[\W_] regex匹配并捕获字谜-和'，我们会在re.sub中通过检查捕获组是否匹配并将其重新插入m.group(1)来恢复它们1}}，其余的（所有非单词字符和下划线）只是用空格替换。

如果要删除一个空格的非单词字符序列，请使用

p = re.compile(r"(\b[-']\b)|[\W_]+")

删除除字内破译Python之外的标点符号

1 个答案: