Question

的后续行动

我学会了如何删除字符串中最后一个数字后的所有字符;所以我可以转

w = 'w123 o456 t789-- --'

到

w123 o456 t789

现在我可能有这样的字符串：

w = 'w123 o456 (t789)'

在这种情况下，

re.sub(r'\D+$', '', w)

会给我

w123 o456 (t789

所以我实际上有两个密切相关的问题：

1）如何以保留某些字符的方式修改命令re.sub(r'\D+$', '', w)（例如括号）？

2）如何修改命令re.sub(r'\D+$', '', w)以便只删除某些字符（例如破折号和空格）？

修改

@Martin Bonner的回答非常接近，例如为了

w='w123 -o456 t789--) --'

命令

 re.sub('[- ]+$', '', w)

给了我w123 -o456 t789--)，但它也应该摆脱剩下的破折号。

Answer 1

要保留某些字符public class KafkaSink implements Serializable { private static KafkaProducer<String, String> producer = null; public KafkaProducer<String, String> getInstance(final Properties properties) { if(producer == null) { producer = new KafkaProducer<>(properties); } return producer; } public void close() { producer.close(); } }和JavaSparkContext jsc = new JavaSparkContext(sc); Broadcast<KafkaSink> kafkaSinkBroadcast = jsc.broadcast(new KafkaSink())); dataset.toJavaRDD().foreach(row -> kafkaSinkBroadcast.getValue().getInstance(kafkaProducerProps()).send(new ProducerRecord<String, String>(topic, row.mkString(", "))))，请使用：

仅删除行尾的某些字符：

在方括号中，您可以列出要匹配的字符。如果第一个字符是re.sub('[^0-9()]+$', '', w)，那么除了指定的字符之外的所有内容都会匹配。唯一的小问题是re.sub('[- ]+$', '', w)通常指定一个范围（所以我们可以指定，例如，所有数字，而不必列出所有10个他们）。这意味着如果我们要将^指定为要匹配的字符之一，则需要先。（如果要指定-，请使用-将其转义并返回原始字符串。）

从评论中，我认为你实际上意味着第二个挑战 “从字符串中删除位于最后一个数字和行尾之间的所有破折号和空格”。使用正则表达式可能是可能的，但是在三个月后回来维护代码的人会讨厌你（也可能是你）。记住Jamie Zawinski的话：

有些人在遇到问题时会想“我知道，我会用正则表达式。“现在他们有两个问题。

Answer 2

您可以在回调中使用另一个re.sub作为替换模式。

re.sub(r'\D+$', lambda m: re.sub(r'[^()]+','',m.group(0)), s)

在这里，您匹配字符串末尾除数字以外的所有符号，将该值传递给回调，并从该值中删除(和)以外的所有符号。

Answer 3

如果总有3组字符，并且每组开头都有一个字母并且后面有3位数字，并且只有最后一组可能有括号，那么这个表达式可能正是您所需要的：

w = 'w123 o456 (t789)'
clean = re.sub(r'^.*(\w\d{3})[ -]+(\w\d{3})[ -]+(\(?\w\d{3}\)?).*$', r'\1 \2 \3', w)

clean现在打印'w123 o456 (t789)'，即使字符串的开头或结尾还有其他字符。

此表达式适用于3组字符，每组字母由3个字母组成。对于最后一组，有可选括号 - $?和$?。 3组之前和之后的所有字符都与^.*和.*$匹配。然后我们只用3个捕获的组替换所有内容 - \1 \2 \3

Answer 4

为什么不使用正则表达式，为什么不使用列表理解（如果你不想要某些字母或数字我们也可以改变它，这个自动保留字母和数字）：

w = 'w123 o456 t789-- --'
list_to_keep =[' ']
print(''.join([x for x in w if x.isalnum() or x in list_to_keep]))
>> w123 o456 t789 

w = 'w123 o456 (t789)'
list_to_keep =[' '] # add to me
print(''.join([x for x in w if x.isalnum() or x in list_to_keep]))
>> w123 o456 t789

，例如：

w = 'w123 o456 (t789)'
list_to_keep =[' ', '('] # add to me (I added '(' to keep for example)
print(''.join([x for x in w if x.isalnum() or x in list_to_keep]))
>> w123 o456 (t789

它与你编辑过的马丁没有工作的东西有效：

w='w123 -o456 t789--) --'
list_to_keep =[' '] # add to me (I added '(' to keep for example)
print(''.join([x for x in w if x.isalnum() or x in list_to_keep]))
>> w123 o456 t789

如何删除字符串中最后一个数字后的所有内容（某些字符除外）

4 个答案: