从字符串中删除所有带有两个或更少字母的单词，但单词“ no”除外

Question

标题非常不言自明：在我的语言中，大多数“三个或更少”字母单词不会为文本增加价值，除了“否”一词可能会完全改变句子的含义。

我可以删除所有少于3个字母的单词，具体操作如下：

shortword = re.compile(r'\W*\b\w{1,3}\b')
df.text=df.text.apply(lambda x: shortword.sub('', x) )

我只需要输入一些条件语句以将“否”一词排除在外，但我不确定如何进行。

有什么想法吗？

Answer 1

您可以使用

r'\W*\b(?!no)\w{1,2}\b'
       ^^^^^^

详细信息

• \W*-0+个非单词字符
• \b-单词边界
• (?!no)-当前位置右侧，不能有no个char序列
• \w{1,2}-1个或2个字符的字符（如果您只需要匹配字母个字符，请改用[^\W\d_]{1,2}）
• \b-单词边界

此外，您可以使用df['text'] = df['text'].str.replace(r'\W*\b(?!no)\w{1,2}\b', '')对单个列执行搜索和替换操作。