Python 正则表达式：替换 substring 的多种可能性

Question

我想在字符串caption中删除Fig 1.的指示器，其中caption可能是：

# each line is one instance of caption
"Figure 1: Path of Reading Materials from the Web to a Student."
"FIGURE 1 - Travel CP-net"
"Figure 1 Interpretation as abduction, the big picture."
"Fig. 1. The feature vector components"
"Fig 1: IMAGACT Log-in Page"
"FIG 1 ; The effect of descriptive and interpretive information, and Inclination o f Fit"
...

我试过caption = re.sub(r'figure 1: |fig. 1 |figure 1 -', '', caption, flags=re.IGNORECASE) ，但看起来很乱：我真的需要列出所有手动的可能性？ 是否有任何元素重新编码来匹配它们？

非常感谢！

Answer 1

您可以使用可选部分来匹配ure并使用可选字符 class 来匹配: , . , ; 或-

如果要匹配 1 以外的其他数字，请使用\d+

\bfig\.?(?:ure)? 1[^\S\r\n]*[:.;–-]?

• \bfig匹配前面有单词边界的 fig
• \.? 匹配一个可选的点
• (?:ure)? 可选ure
• 1匹配一个空格和1
• [^\S\r\n]*匹配 0+ 次出现的空白字符，换行符除外
• [:.;–-]? 可选匹配字符 class 中列出的任何一个

正则表达式演示| Python 演示

示例代码也匹配字符 class 之后的空格：

caption = re.sub(r'\bfig\.?(?:ure)? 1[^\S\r\n]*[:.;–-]?[^\S\r\n]', '', caption, flags=re.IGNORECASE)