Question

我的目标是编写一个函数，该函数输入文本并用空格替换拉丁字母（A-z）以外的所有字符，并删除所有包含数字的单词。然后用单个空格替换所有多个空格。

示例：

' hello, world! ho1hoho2ho, merry xmas!! ho1ho1 :))' -> 'hello world merry xmas'.

实现此功能的Python函数：

def clean_text(text):
    text_valid = re.sub(u'[^A-z0-9]', ' ', text)
    return ' '.join(word for word in text_valid.split()
                    if not re.search(r'\d', word))

现在，我想知道是否有单个正则表达式，所以我可以写类似

return ' '.join(re.findall(enter_my_magical_regex_here))

或者，也许还有另一种方法可以用更快（并且希望更短）替换上面的代码？

Answer 1

您可以使用

' '.join(re.sub('([^A-Za-z0-9 ]|[^ ]*[0-9][^ ]*)', '', text).split())

Answer 2

这将为您提供所需的输出-

x = ' hello, world! ho1hoho2ho, merry xmas!! ho1ho1 :))'
re.sub('[!,]', '', ' '.join([i for i in x.split() if not re.findall('[\d+:\\?\"<>*/|]', i)]))

但是您可能不得不在这里和那里进行调整

正则表达式，用于删除除A-z之外的所有字符并删除所有包含数字的单词

2 个答案: