替换字符串列表中的子字符串

Question

我正在尝试清理我的句子以及我想在句子中删除这些标签的内容（它们是下划线的形式，后跟一个单词，例如＆＃34; _UH＆＃34;）。 基本上我想删除后跟下划线的字符串（也删除下划线本身）

文本：

['hanks_NNS sir_VBP',
'Oh_UH thanks_NNS to_TO remember_VB']

需要输出：

['hanks sir',
'Oh thanks to remember']

以下是我尝试过的代码：

for i in text:
    k= i.split(" ")
    print (k)
    for z in k:
        if "_" in z:
            j=z.replace("_",'')
            print (j)

当前输出：

ThanksNNS
sirVBP
OhUH
thanksNNS
toTO
rememberVB
RemindVB

Answer 1

使用正则表达式：

您可以使用re.sub()执行此操作。匹配字符串中的所需子字符串，并将子字符串替换为空字符串：

import re

text = ['hanks_NNS sir_VBP', 'Oh_UH thanks_NNS to_TO remember_VB']
curated_text = [re.sub(r'_\S*', r'', a) for a in text]
print curated_text

输出：

['hanks sir', 'Oh thanks to remember']

正则表达式：

_\S* - Underscore followed by 0 or more non space characters

没有正则表达式：

text = ['hanks_NNS sir_VBP', 'Oh_UH thanks_NNS to_TO remember_VB']
curated_text = [] # Outer container for holding strings in text.

for i in text:
    d = [] # Inner container for holding different parts of same string.
    for b in i.split():
        c = b.split('_')[0] # Discard second element after split
        d.append(c)         # Append first element to inner container.
    curated_text.append(' '.join(d)) # Join the elements of inner container.
    #Append the curated string to the outer container.

print curated_text

输出：

['hanks sir', 'Oh thanks to remember']

您的代码出现问题：

当你想要用空字符串替换'_'和后面的字符时，你只是用空字符串替换'_'。

for i in text:
    k= i.split(" ")
    print (k)
    for z in k:
        if "_" in z:
            j=z.replace("_",'') # <--- 'hanks_NNS' becomes 'hanksNNS'
            print (j)