在 Python 中，如何从列表中删除包含某些类型字符的任何元素？

Question

抱歉，如果这是一个简单的问题，我对此还是很陌生，但是我花了一段时间寻找答案，但没有找到任何东西。 我有一个看起来像这样可怕的混乱的列表：

['Organization name} ', '> (777) 777-7777} ', ' class="lsn-mB6 adr">1 Address, MA 02114 } ', ' class="lsn-serpListRadius lsn-fr">.2 Miles} MORE INFO YOUR LISTING MAP if (typeof(serps) !== \'undefined\') serps.arrArticleIds.push(\'4603114\'); ', 'Other organization} ', '> (555) 555-5555} ', ' class="lsn-mB6 adr">301 Address, MA 02121 } ', ' class="lsn-serpListRadius lsn-fr">.2 Miles} MORE INFO CLAIM YOUR LISTING MAP if (typeof(serps) !== \'undefined\') serps.arrArticleIds.push(\'4715945\'); ', 'Organization} ']

我需要对其进行处理，以便HTML.py可以将其中的信息转换为表格。 出于某种原因，HTML.py 根本无法处理怪物元素（例如 'class="lsn-serpListRadius lsn-fr">.2 Miles} 更多信息您的列表 MAP undefined\') serps.arrArticleIds;push(\'4603114\'), '.etc)，对我来说很幸运。 我实际上并不关心怪物元素中的信息，并且想摆脱它们。

我尝试编写一个匹配所有超过两个字母的全大写单词的正则表达式，以识别怪物元素，并得到了这个：

re.compile('[^a-z]*[A-Z][^a-z]*\w{3,}')

但我不知道如何将其应用于从列表中删除包含与该正则表达式匹配的元素。 我该怎么做/这是 go 的正确方法吗？

Answer 1

我认为您的正则表达式不正确，要匹配包含三个或更多字符的全大写单词的所有条目，您应该使用类似这样的内容re.search ：

regex = re.compile(r'\b[A-Z]{3,}\b')

有了它，您可以使用列表理解或内置filter function 进行过滤：

full = ['Organization name} ', '> (777) 777-7777} ', ' class="lsn-mB6 adr">1 Address, MA 02114 } ', ' class="lsn-serpListRadius lsn-fr">.2 Miles} MORE INFO YOUR LISTING MAP if (typeof(serps) !== \'undefined\') serps.arrArticleIds.push(\'4603114\'); ', 'Other organization} ', '> (555) 555-5555} ', ' class="lsn-mB6 adr">301 Address, MA 02121 } ', ' class="lsn-serpListRadius lsn-fr">.2 Miles} MORE INFO CLAIM YOUR LISTING MAP if (typeof(serps) !== \'undefined\') serps.arrArticleIds.push(\'4715945\'); ', 'Organization} ']
regex = re.compile(r'\b[A-Z]{3,}\b')
# use only one of the following lines, whichever you prefer
filtered = filter(lambda i: not regex.search(i), full)
filtered = [i for i in full if not regex.search(i)]

结果在以下列表中（我认为这是您正在寻找的：

>>> pprint.pprint(filtered)
['Organization name} ',
 '> (777) 777-7777} ',
 ' class="lsn-mB6 adr">1 Address, MA 02114 } ',
 'Other organization} ',
 '> (555) 555-5555} ',
 ' class="lsn-mB6 adr">301 Address, MA 02121 } ',
 'Organization} ']

Answer 2

首先，存储您的正则表达式，然后使用列表理解：

regex = re.compile('[^a-z]*[A-Z][^a-z]*\w{3,}')
okay_items = [x for x in all_items if not regex.match(x)]

Answer 3

或相同但不编译正则表达式：

from re import match

ll = ['Organization name} ', '> (777) 777-7777} ', ' class="lsn-mB6 adr">1 Address, MA 02114 } ', ' class="lsn-serpListRadius lsn-fr">.2 Miles} MORE INFO YOUR LISTING MAP if (typeof(serps) !== \'undefined\') serps.arrArticleIds.push(\'4603114\'); ', 'Other organization} ', '> (555) 555-5555} ', ' class="lsn-mB6 adr">301 Address, MA 02121 } ', ' class="lsn-serpListRadius lsn-fr">.2 Miles} MORE INFO CLAIM YOUR LISTING MAP if (typeof(serps) !== \'undefined\') serps.arrArticleIds.push(\'4715945\'); ', 'Organization} ']

filteredData = [x for x in ll if not match(r'[^a-z]*[A-Z][^a-z]*\w{3,}', x)]

编辑：

from re import compile

rex = compile('[^a-z]*[A-Z][^a-z]*\w{3,}')
filteredData = [x for x in ll if not rex.match(x)]

Answer 4

没有正则表达式

def isNotMonster(x):
    return not any((len(word) > 2) and (word == word.upper()) for word in x.split())

okay_items = filter(isNotMonster, all_items)

Answer 5

element = 'string_to_search'
for item in y_list_of_items:
    if element in item:
        y_list_of_items.remove(item)