我正在研究文本模式问题。我有以下输入-
term = 'CG-14/0,2-L-0_2'
我需要从输入项中删除所有可能的标点符号(定界符)。基本上,我需要输入项中的以下输出-
'CG1402L02'
在删除定界符之前,我还需要存储(以任何格式(对象,字典,元组等))定界符和定界符的位置。
输出示例(如果以元组形式返回)-
((-,2), (/,5), (,,7), (-,9), (-,11), (_,13))
我可以使用以下python代码获取输出-
re.sub(r'[^\w]', '', term.replace('_', ''))
但是在删除定界符之前,如何存储定界符和定界符位置(以最有效的方式)?
答案 0 :(得分:2)
您可以执行以下操作,将所需的其他任何定界符添加到列表delims
term = 'CG-14/0,2-L-0_2'
delims = ['-','/',',','_']
locations = []
pos = 0
for c in term: ##iterate through the characters in the string
if c in delims:
locations.append([c,pos]) ##store the character and its original position
pos+=1
然后执行re.sub
命令替换它们。
答案 1 :(得分:2)
您只需走过term
一次,即可收集途中的所有必要信息:
from string import ascii_letters,digits
term = 'CG-14/0,2-L-0_2'
# defined set of allowed characters a-zA-Z0-9
# set lookup is O(1) - fast
ok = set(digits +ascii_letters)
specials = {}
clean = []
for i,c in enumerate(term):
if c in ok:
clean.append(c)
else:
specials.setdefault(c,[])
specials[c].append(i)
cleaned = ''.join(clean)
print(clean)
print(cleaned)
print(specials)
输出:
['C', 'G', '1', '4', '0', '2', 'L', '0', '2'] # list of characters in set ok
CG1402L02 # the ''.join()ed list
{'-': [2, 9, 11], '/': [5], ',': [7], '_': [13]} # dict of characters/positions not in ok
请参阅:
您可以使用
specials = []
并在迭代内:
else:
specials.append((c,i))
获取元组列表而不是字典:
[('-', 2), ('/', 5), (',', 7), ('-', 9), ('-', 11), ('_', 13)]