Python正则表达式匹配-在标点符号上进行分割，但忽略某些单词

Question

假设我有以下一句话，

  

嗨，我叫谁博士。我爱上了鱼指和蛋c！

我试图使用正则表达式捕获标点符号（撇号和连字符除外），但我也想忽略某些单词。例如，我无视Dr.，所以我不想捕获。

一词

理想情况下，正则表达式应捕获括号之间的文本：

  

Hi（，）my（）name（）是（）Dr.（）谁（。） ）

请注意，我有一个包含“ Dr.”之类的单词的Python列表。我想忽略的我还使用string.punctuation来获取要在正则表达式中使用的标点符号列表。我曾尝试使用否定的前瞻，但仍然遇到了“。”。在博士的任何帮助下表示赞赏！

Answer 1

您可以首先丢弃所有停用词（例如“ Dr.”），然后丢弃所有字母（和数字）。

import re

text = "Hi, my name is Dr. Who. I'm in love with fish-fingers and custard !!"
tmp = re.sub(r'[Dr.|Prof.]', '', text)
print(re.sub('[a-zA-Z0-9]*', '', tmp))

那行得通吗？

它将打印：

,      '    -   !!

输出正在捕获您问题中括号之间的文本。