将所有连字符类型替换为ASCII连字符“-”

Question

有没有一种方法可以将所有类型的连字符替换为简单的字母“-”？ 我正在寻找适合太空的类似东西：

txt = re.sub(r'[\s]+',' ',txt)

我相信某些非ASCII“-”连字符会避免删除某些特定停用词（由连字符连接的项目名称）的正确过程：

例如，我想用AR-L1003代替此AR–L1003'，但是我想对全文进行替换。

Answer 1

您可以只在课程中列出这些连字符。这是一个可能的列表-将其扩展为您的需求：

txt = re.sub(r'[‐᠆﹣－⁃−]+','-',txt)

标准re库不支持用于匹配unicode类别的\p语法，但是如果您可以导入regex，则可能：

import regex

txt = regex.sub(r'\p{Pd}+', '-', txt)