Python正則表達式，刪除除Unicode字符串的連字符以外的所有標點符號

Question

我有以下代碼可用於刪除正則表達式字符串中的所有標點符號：

import regex as re    
re.sub(ur"\p{P}+", "", txt)

我如何更改它以允許連字符？ 如果您能解釋您是如何做到的，那將很棒。 我了解在這里，如果我錯了，請糾正我，在標點符號之后加上P。

Answer 1

[^\P{P}-]+

\\P是\\p的補充-不是標點符號。 所以這個匹配任何不 （不帶標點破折號） -導致除破折號所有標點符號。

范例： http ： //www.rubular.com/r/JsdNM3nFJ3

如果您希望采用非卷積方式，則可以選擇\\p{P}(?<!-) ：匹配所有標點符號，然后檢查它是否不是破折號（使用負向后看）。
工作示例： http : //www.rubular.com/r/5G62iSYTdk

Answer 2

如果您必須堅持使用標准庫，則可以使用re模塊執行以下操作：

# works in python 2 and 3
import re
import string

remove = string.punctuation
remove = remove.replace("-", "") # don't remove hyphens
pattern = r"[{}]".format(remove) # create the pattern

txt = ")*^%{}[]thi's - is - @@#!a !%%!!%- test."
re.sub(pattern, "", txt) 
# >>> 'this - is - a - test'

如果性能很重要，則可能要使用str.translate ，因為它比使用regex更快 。 在Python 3中，代碼為txt.translate({ord(char): None for char in remove}) 。

Answer 3

您可以指定要手動刪除的標點符號，例如[._,]也可以提供一個函數而不是替換字符串：

re.sub(r"\p{P}", lambda m: "-" if m.group(0) == "-" else "", text)