如何在python中過濾三重和雙簡單引號？

Question

我正在嘗試清除文本，以保留最多字母，數字和最常用的字母標記。 例如，有時我會用'''words'''或“ words”，所以我想去除那些簡單的引號。 到目前為止，我選擇使用兩個正則表達式：

import re
tqre=re.compile('\'\'\'[^\']*\'\'\'') #for triple quotes
dqre=re.compile('\'\'[^\']*\'\'') #for "double" quotes

然后剝離每個比賽：

res1=tqre.sub(self.quoteExtract,text)
res2=dqre.sub(self.quoteExtract,res1)

哪里：

def quoteExtract(self,match):
    return match.group().strip("'")

看起來三重引號效果很好，但是我有很多雙簡單引號通過，似乎它們沒有被抓住。 是因為它們不是真正簡單的引號而是另一個相似的符號？ 還有另一種處理方式嗎？

* ''Esquisse d'une grammaire comparée de l'arménien classique'', 1903. ： * ''Esquisse d'une grammaire comparée de l'arménien classique'', 1903.在* ''Esquisse d'une grammaire comparée de l'arménien classique'', 1903.的* ''Esquisse d'une grammaire comparée de l'arménien classique'', 1903. 。找不到正則表達式。

Answer 1

它沒有通過，因為雙引號之間有一個' （l'arménien），但是您正在嘗試匹配[^']* 。

最好使用惰性量詞來表達這種正則表達式：

tqre = re.compile("'''.*?'''")
dqre = re.compile("''.*?''")

在這里.*? 表示匹配任何字符串，如果有多個匹配項，則選擇最短的一個。

• . =除換行符外的任何字符，
• * =零或更多，
• ? 星號=非貪婪匹配之后