Question

我从.txt文件导入，其中包含我从PDF复制粘贴的David Foster Wallace。有些单词在页面上运行，因此以

的形式出现

"interr- upted"

我打算用以下东西来消毒：

with open(text, "r", 0) as bookFile:
    bookString = bookFile.read().replace("- ", "")

除了......男人在写作中也使用了一些奇怪的结构。比如：

"R - - d©"

为品牌名称喷雾Raid©。我显然留下了“R d©”，但有没有办法让它成为“ - ”的.replace（）实例，而不是“ - ”的实例？或者我是否需要将所有内容都转换为列表并对所有内容进行操作？感谢。

Answer 1

您可以使用带有负向lookbehind断言的正则表达式来检查前一个字符，使用re.sub来替换匹配的空字符串。

'(?<! )- '是一个正则表达式，匹配所有'- '，不的实例，前面都有一个空格字符（请参阅this部分了解语法）。 re.sub('(?<! )- ', '', input_string)会将'(?<! )- '中input_string模式的所有匹配项替换为''（空字符串）并返回结果。

示例：

In [1]: import re

In [2]: re.sub('(?<! )- ', '', 'interr- upted')
Out[2]: 'interrupted'

In [3]: re.sub('(?<! )- ', '', 'R - - d©')
Out[3]: 'R - - d©'

Answer 2

您可以使用lookbehinds和lookaheads来确保仅替换需要替换的事件：

>>> import re
>>> regex_pattern = '(?<=[a-z])(- )(?=[a-z])'
>>> re.sub(regex_pattern, '', "interr- upted", re.I)
'interrupted'

和

>>> re.sub(regex_pattern, '', "R - - d©")
'R - - d©'

后者不受影响。

Answer 3

这就是你需要的吗？

In [23]: import re
In [24]: re.sub(r'- ', '', '"R - - d"')
Out[24]: '"R d"'

This链接可以帮助您。

HTH

有没有办法根据标准.replace（）某些字符串片段？

3 个答案: