[英]Python Regex - Remove special characters but preserve apostraphes
我试图从一些文本中删除所有特殊字符,这是我的正则表达式:
pattern = re.compile('[\W_]+', re.UNICODE)
words = str(pattern.sub(' ', words))
超级简单,但遗憾的是,当使用撇号(单引号)时会导致问题。 例如,如果我有“不”字样,则此代码返回“doesn”。
有没有办法调整这个正则表达式,以便它不会删除这样的实例中的撇号?
编辑:这是我所追求的:
doesn't this mean it -technically- works?
应该:
这不意味着它在技术上有效
像这样?
>>> pattern=re.compile("[^\w']")
>>> pattern.sub(' ', "doesn't it rain today?")
"doesn't it rain today "
如果下划线也应该被过滤掉:
>>> re.compile("[^\w']|_").sub(" ","doesn't this _technically_ means it works? naïve I am ...")
"doesn't this technically means it works naïve I am "
我能够使用此正则表达式将您的样本解析为单词列表: [az]*'?[az]+
。
然后你可以用空格加入列表的元素。
怎么样
re.sub(r"[^\w' ]", "", "doesn't this mean it -technically- works?")
怎么样([^\\w']|_)+
?
请注意,这不适用于以下内容:
doesn't this mean it 'technically' works?
这可能不是你想要的。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.