Question

我在python 2.7中工作。我想从列表列表中的每个列表中删除非字母字符，而不修改列表的结构。

开始列表的示例列表：

csvarticles = [['[Beta-blockers]', 'Magic!', '1980', 'Presse medicale'],['Hypertension in the pregnant woman].', '', '2010', 'Medical'],['Arterial hypertension.', '', '1920', 'La Nouvelle']]
print (csvarticles[0])

期望的输出：

[[＆＃39; beta blockers＆＃39;，＆＃39; magic＆＃39;，＆＃39; 1980＆＃39;，＆＃39; presse medicale＆＃39;]，[＆＃39;高血压在孕妇＆＃39;，＆＃39;，＆＃39; 2010＆＃39;，＆＃39; medical＆＃39;]，[＆＃39;动脉高血压＆＃39;，＆＃39; ;＆＃39;，＆＃39; 1920＆＃39;，＆＃39; la nouvelle＆＃39;]]

代码1：

csvarticles = [[word.lower().split() for word in nodeList] for nodeList in csvarticles]

print (csvarticles[0])

代码1输出：

[＆＃39; [β-受体阻滞剂]＆＃39;魔术！＆＃39;，＆＃39; 1980＆＃39;，＆＃39; Presse medicale＆＃39;] [[＆＃39; [β受体阻滞剂]＆＃39;]，[＆＃39;魔术！＆＃39;]，[＆＃39; 1980＆＃39;]，[＆＃39; presse＆＃39; ，＆＃39; medicale＆＃39;]]

代码2：

csvarticles = [[word.lower().split() for word in nodeList if word.isalpha()] for nodeList in csvarticles]

代码2输出：

[]

代码3：

articleTitle = []
for x, y in enumerate(csvarticles):
    myString = simpleWords(csvarticles[x][0])
    if myString is not '':
        myString = myString.lower()
        myString = re.sub('[\W_]+', ' ', myString, flags=re.UNICODE)
        myList = [word for word in myString.split() if len(word) > 3]
        articleTitle = ' '.join(myList)

代码3输出：

[＆＃39;β受体阻滞剂＆＃39;魔术＆＃39;，＆＃39; 1980＆＃39;，＆＃39; presse medicale＆＃39;，＆＃39;高血压孕妇＆＃ 39;，＆＃39; 2010＆＃39;，＆＃39;医疗＆＃39;，＆＃39;动脉高血压＆＃39; 1920＃＆nbsp;＆＃39; nouvelle＆＃39;] < / p>

代码3接近但删除了嵌套列表的结构。

Answer 1

你想要替换非空格或字母字符，并修剪/小写字符串。对于那些与str.strip链接的替代品，正则表达式非常有效。

在双列表comp中重建嵌套列表：

import re

csvarticles = [['[Beta-blockers]', 'Magic!', '1980', 'Presse medicale'],['Hypertension in the pregnant woman].', '', '2010', 'Medical'],['Arterial hypertension.', '', '1920', 'La Nouvelle']]

result = [[re.sub("[^ \w]"," ",x).strip().lower() for x in y] for y in csvarticles]

print(result)

打印：

[['beta blockers', 'magic', '1980', 'presse medicale'], ['hypertension in the pregnant woman', '', '2010', 'medical'], ['arterial hypertension', '', '1920', 'la nouvelle']]

如果您正在使用Python，请将lower替换为casefold以处理特定区域设置字符

Answer 2

使用 string.isalnum（）方法检查字符串是字母还是数字。

<强>演示

[['betablockers', 'magic', '1980', 'presse medicale'], ['hypertension in the pregnant woman', '', '2010', 'medical'], ['arterial hypertension', '', '1920', 'la nouvelle']]

<强>输出：

{{1}}

Answer 3

如果你想在单行中这样做：

INPUT：

output = [[k.lower() for k in [' '.join(re.findall(r'[^\]\[.!-][A-z0-9]+[^\]\[.!-]', j)) for j in i]] for i in csvarticles]

输出：

[['beta blockers', 'magic', '1980', 'presse  medicale'], ['hypertension  in  the  pregnant  woman', '', '2010', 'medical'], ['arterial  hypertension', '', '1920', 'la  nouvelle']]

REGEX：

[^\]\[.!-][A-z0-9]+[^\]\[.!-]

从列表列表中删除非字母字符并维护结构

3 个答案: