使用正则表达式删除重复的特殊字符（如果单独存在，但在被单词或数字包围时不存在）

Question

如何从作为个体存在的字符串 IFF 中删除特殊字符。 我正在尝试研究推文作者分类模型，我的想法是有些人使用特殊字符作为商标，它可以帮助建模更好的判断，例如

P!nk
A$AP

是两位歌手的商标。 我想删除单个和重复的特殊字符，例如

whatt??
This is Good. I want both dots removed.
I'm thinking....

但不想删除#hashtag_for_life或类似的东西

我用过了

re.sub(r'([\W_])\1+',' ','hi my % na$me is @shady #for_life')

但个人失败。 有人可以提供解决方案。

编辑：示例

我该如何转换

'p!nk & A$AP are 2 singers..... what? are the b0th rappers? ? ? NO!! #singer ##rapper @shady'

到

'p!nk A$AP are singers what are the b0th rappers NO #singer #rapper @shady'

这意味着个别数字消失了，个别特殊字符消失了，尾随特殊字符消失了，重复的特殊字符被更改为位于单词中间或开头的单个特殊字符。

Answer 1

请您尝试以下操作：

import re
str = 'p!nk & A$AP are 2 singers..... what? are the b0th rappers? ? ? NO!! #singer ##rapper @shady'

str = re.sub(r'(?<=\s)[\W\d](?=(\s|$))', '', str)
str = re.sub(r'(?<=\w)\W+(?=(\s|$))', '', str)
str = re.sub(r'(\W)\1+(?=\w)', r'\1', str)

print(str)

输出：

p!nk A$AP are singers what are the b0th rappers NO #singer #rapper @shady

• (?<=\\s)[\\W\\d](?=(\\s|$))匹配由空格包围或在行尾的单个非字母或数字字符。
• (?<=\\w)\\W+(?=(\\s|$))匹配单词后的单个非字母字符。
• (\\W)\\1+(?=\\w)匹配单词前面的两个或多个连续的非字母字符。