正则表达式——Python【列表查询】

Question

我正在尝试为此列表编写一个正则表达式：

data= ["Fred is Deputy Manager. He is working for MNC.", "Rita is another employee in AC Corp."]

我想删除所有以大写字母开头的单词，但它不应该检查每个句子的第一个单词，即它不应该检查 Fred、He 和 Rita。

output 应该是

Output-["Fred is. He is working for.", "Rita is another employee in."]

我尝试寻找解决方案，但找不到任何相关代码。 任何帮助，将不胜感激。

谢谢。

Answer 1

您将需要查找并删除所有不遵循标点符号的大写单词，然后查找并删除尾随空格（此解决方案不是最干净的，但它有效）。 列表推导也在这里派上用场。

import re

data = ["Fred is Deputy Manager. He is working for MNC.", "Rita is another employee in AC Corp."]
# find and replace all capital words that don't follow punctuation with ''
text = [re.sub(r'(?<!\.\s)(?!^)\b([A-Z]\w*(?:\s+[A-Z]\w*)*)', '', item) for item in data]
# find and remove all trailing spaces before periods
output = [re.sub(r'\s([?.!"](?:\s|$))', r'\1', item) for item in text]

---

>>> output
['Fred is. He is working for.', 'Rita is another employee in.']

Answer 2

首先，让我为 python 3 的正则表达式文档的无用表示歉意。 从技术上讲，所有回答这个问题的信息都可以在这里找到，但是您已经需要了解一些关于re如何工作的信息才能理解它。 话虽如此，希望这会给你一个帮助：

一个简单的答案

这是您可以尝试的一些代码：

import re

data = ["Fred is Deputy Manager. He is working for MNC.", "Rita is another employee in AC Corp."]

matcher = re.compile("(?<![.])[ ][A-Z][A-z]*")
print([matcher.sub("",d) for d in data])
# prints: ['Fred is. He is working for.', 'Rita is another employee in.']

基本上，这会编译一个正则表达式，它将匹配不带句点的大写单词：

• (?<.[.]) -> 如果前面有句点则不匹配
• [ ][AZ][Az]* -> 任何大写的单词（有一个前导空格，以确保是否永远不会匹配字符串中的第一个单词）

然后，它将该正则表达式应用于列表中的每个字符串，并用空字符串替换匹配项： ""

一些限制

如果您的字符串曾经有双空格或其他空白字符（如制表符或回车符）会破坏这一点。 您可以改用以下方法来解决此问题：

matcher = re.compile("(?<![.])\s+[A-Z][A-z]*")

其中\s+将匹配一个或多个空白字符

此外，如果您的琴弦以空格开头，那也会破坏这一点。 您可以使用以下方法解决此问题：

print([matcher.sub("",d.strip(" ")) for d in data])

从字符串中删除前导或尾随空白字符。