正则表达式。 匹配包含特殊字符或'http：//'的单词

Question

我希望匹配包含特殊字符或以“http：//”开头的单词

所以这句话

％＃llo，我的网站是： http ：//www.url.com/abcdef123

应该变成这个

我的网站

到目前为止，我有这个

re.sub(r"^[^\w]", " ", "%he#llo, my website is: http://www.url.com/abcdef123")

这只是删除符号，但它不会删除与符号关联的单词（它也不会删除'：'和'，'），也不会删除URL。

Answer 1

对于您提供的示例字符串，以下正则表达式可以正常工作：

>>> a = '%he#llo, my website is: http://www.url.com/abcdef123'
>>> re.findall('(http://\S+|\S*[^\w\s]\S*)',a)
['%he#llo,', 'is:', 'http://www.url.com/abcdef123']

...或者您可以使用re.sub删除这些单词

>>> re.sub('(http://\S+|\S*[^\w\s]\S*)','',a)
' my website  '

| 表示交替，并将匹配组内任一侧的表达。 左侧的部分与http://匹配，后跟一个或多个非空格字符。 右边的部分匹配零个或多个非空格字符，后跟任何不是单词或空格字符的内容，后跟零个或多个非空格字符 - 确保您有一个至少有一个非字符串的字符串字符，没有空格。

更新：当然，正如其他答案暗示的那样，因为http://前缀包含非单词字符（ / ），您不需要将其作为替代 - 您可以将正则表达式简化为\\S*[^\\w\\s]\\S* 。 但是，也许上面的例子中的替换仍然有用。

Answer 2

您可以使用预测：

>>> re.findall(r"(?:\s|^)(\w+)(?=\s|$)", "Start %he#llo, my website is: http://www.url.comabcdef123 End")
['Start', 'my', 'website', 'End']

说明：

• (?:\\s|^)表示我们的单词启动正则表达式或以空格开头。 （这个空间不属于这个词）。
• (\\w+)匹配一个单词（并且是我们感兴趣的）。
• (?=\\s|$)表示我们的单词后跟空格或字符串结尾。 （再一次，空间不属于这个词）。

Answer 3

不使用正则表达式，但也许这可以工作？ （我假设'：'和'/'是特殊字符，因此它会隐式删除URL）

def good_word(word):
    import string
    for c in word:
        if not c in string.ascii_letters:
            return False
    return True

def clean_string(str):
    return ' '.join([w for w in input.split() if good_word(w)])

print clean_string("%he#llo, my website is: http://www.url.com/abcdef123")