我有一种方法可以清除我从网上获得的推文，但是我想修改它以便保留冒号和下划线。我在python中读取了documentation的正则表达式，似乎re.sub方法首先在＆＃34; tweet＆＃34;中找到模式，然后用空格替换它。变量。我仍然不太明白第一部分，它指定了要找到的模式我理解一些基础知识，比如^正在发现某些事情是从某事开始的，我试图取出最后一部分(\w+:\/\/\S+)完全认为结肠是来自，但它仍然删除冒号。有人可以解释模式发现部分的每个3部分的作用吗？
' '.join(re.sub("(@[A-Za-z0-9]+)|([^0-9A-Za-z \t])|(\w+:\/\/\S+)", " ", tweet).split())
答案 0 :(得分：0)
^字符在regexp中有两个含义。它可以是字符串的开头，如果在括号（[]之间），它可以表示“不”。在这种情况下，它表示不是，这意味着删除了该表达式中未特别提及的所有字符。要让不删除冒号（:)，你应该将它添加到中间（非）组：
' '.join(re.sub("(@[A-Za-z0-9]+)|([^0-9A-Za-z \t:])|(\w+:\/\/\S+)", " ", tweet).split())
进一步解释;第一组删除@ -ferences到其他人，第二组删除除空格和制表符（现在冒号）之外的所有非字母数字，最后一组删除互联网地址等（例如，盯着“http：//”或“文件” ：//“或类似的。”