Question

对于这样的句子：

sent = "This i$s a s[[]ample sentence.\nAnd another <<one>>.
        \nMoreover, it is 'filtered'!"

我想得到：

"This is a sample sentence. And another one. Moreover, it is filtered."

因此，我认为使用re.sub应该是可行的方法。但是，RegEx并没有像预期的那样工作（就像它几乎总是这样）。

我的想法是使用\W匹配每个非单词，然后排除[.,;!?]以保留标点符号。我尝试的最后一个RegEx是：

re.sub(r"(\W[^\.\,\;\?\!])", "", sent)

不幸的是，[^\.\,\;\?\!]确实与任何不包含[.,;!?]条目的内容相匹配，而不是简单地说匹配这些字符＆＃39} ;

如何从匹配中排除这些字符？

Answer 1

\W需要集成到否定的字符类中。 \W与[^\w]相同，因此您最终会得到[^\w.,;!?]。您应该重复此字符类，以便在一个步骤中匹配连续出现的事件 - [^\w.,;!?]+。

您似乎也希望保留空格，因此您应该将它们添加到角色类中。

深入研究您的问题，您还希望用空格替换换行符，用!替换.。这使它成为一个多步骤的解决方案。首先过滤掉所有不需要的[^\w.,;!? \n]+，然后在下一步中将\n替换为，将!替换为.。