我查看了各种链接,但都展示了如何在一次传递中替换多个单词。但是,我想替换模式,而不是单词,例如
RT @amrightnow:“真正的特朗普”特朗普关于你“观看#1 https:\ / \ / t.co \ / j58e8aacrE #tcot #pjnet#1A#2A #Tru mp#trump2016 HTTPS:\ / \ / t.co \ U2026
当我在上面的文本上执行以下两个命令时,我得到了所需的输出
result = re.sub(r"http\S+","",sent)
result1 = re.sub(r"@\S+","",result)
这样我就会删除所有网址和@(来自推文的处理程序)。输出将如下所示:
>>> result1
'RT "The Real Trump" Trump About You" Watch Make #1 #tcot #pjnet #1A #2A #Trump #trump2016 '
有人能告诉我这是最好的方法吗?我将基本上从文件中读取推文。我想阅读每条推文,并用空格替换这些处理程序和网址。
答案 0 :(得分:3)
你需要正则表达式"或"作为管道|
的运算符:
re.sub(r"http\S+|@\S+","",sent)
如果您要删除多个模式列表,常见的诀窍是使用join
创建正则表达式:
to_match = ['http\S+',
'@\S+',
'something_else_you_might_want_to_remove']
re.sub('|'.join(to_match), '', sent)
答案 1 :(得分:0)
您可以使用|
分隔模式来使用“或”模式:
import re
s = u'RT @amrightnow: "The Real Trump" Trump About You" Watch Make #1 https:\/\/t.co\/j58e8aacrE #tcot #pjnet #1A #2A #Tru mp #trump2016 https:\/\/t.co\u2026'
result = re.sub(r"http\S+|@\S+", "", s)
print result
<强>输出强>
RT "The Real Trump" Trump About You" Watch Make #1 #tcot #pjnet #1A #2A #Tru mp #trump2016
请参阅regular expression syntax文档中的'|'
小节。