Python3正則表達式未將\\“更改為”

Question

我有一個用用戶評論填充的json文件（來自網絡抓取），我已經用熊貓將其拉入python

import pandas as pd

data = pd.DataFrame(pd.read_json(filename, orient=columnName,encoding="utf-8"),columns=columnName)
data['full_text'] = data['full_text'].replace('^@ABC(\\u2019s)*[ ,\n]*', '', regex=True)
data['full_text'] = data['full_text'].replace('(\\u2019)', "'", regex=True)
data.to_json('new_abc_short.json',orient='records')

這些消息與在線的各個消息不完全匹配。 （表情符號顯示為\\ u0234或類似物，撇號顯示為\\ u2019，鏈接中的正斜杠，以及引號帶有反斜杠。

我想清理它們，所以我學到了一些正則表達式，因此我可以放入python，清理它們，然后以不同的名稱（暫時）將它們重新保存回json（ https://docs.python.org/3/ howto / regex.html ）

第二行有助於刪除twitter句柄（如果它僅存在於開頭），然后如果使用過，則刪除的（例如@ABC）。 如果開頭沒有Twitter句柄（可能在消息的中間使用），則保留該句柄。 然后它將刪除所有留在后面的空格和逗號（同樣僅在字符串的開頭），例如“ @ABC，hi there”變成“ hi there”。 “嗨，@ ABC”保持不變。 “ @ABC的Twitter很大”將變成“ Twitter很大”

第三行有助於替換所有無法顯示的撇號（例如，不要更改回不顯示）

我有成千上萬的記錄（並非所有記錄都有撇號，引號，鏈接等問題），並且根據我看過的很小的例子，它們似乎可以工作

但是我的第三個不起作用：

data['full_text'] = data['full_text'].replace('\\"', '"', regex=True) 

json中的示例消息：“ full_text”：“ @ ABC您如何”意外關閉“我的帳戶”

我想刪除雙引號旁邊的\\，因此它看起來像真實的消息（我假設它是一個轉義字符，用戶顯然沒有鍵入）

但無論我做什么，我都無法將其刪除

從我的正則表達式學習中，“不是元字符。因此反斜杠甚至都不應該存在。但是無論如何，我都嘗試過：

\\" (which i think should be the obvious one, i have \", no special quirk in " but there is in \ so i need another back slash to escape that)
\\\\" (some forums posts online mention needing 4 slashes
\\\" ( i think someone mention in the forum posts that they got it workin with 3) 
\\\(\")  (i know that brackets provide groupings so i tried different combinations)
(\\\\")

以上所有表達式我都用單引號引起來，但它們沒有用。 我以為雙引號可能是個問題，因為我只有一個，所以我用x3代替了單引號。

'''\\"'''

但以上都不適用於三重單引號

我一直在重新檢查新保存的json，然后繼續看到：

“ full_text”：“您如何”意外關閉“我的帳戶”（即，使用工作空間刪除@ABC，但不能使用反斜杠位）

最初，我嘗試轉換這些unicode問題，即使用encoding =“ utf-8”），盡管我對此的經驗有限並且一直失敗，所以regex是我的最佳選擇

Answer 1

哦，我錯過了熊貓提示，所以熊貓替換確實使用了正則表達式。 但是，很明顯， str.replace與正則表達式不兼容。 重新訂閱 。

現在

• 要匹配單個反斜杠，您的正則表達式為： "\\\\"
• 描述該正則表達式的字符串： "\\\\\\\\"
• 當使用原始字符串時，雙反斜杠就足夠了： r'\\\\'

如果您的字符串確實在"前包含\\ ，則正則表達式將是：

\\(?=\")

這會為您的" （查找regex101 ）做一個前瞻。

您將必須使用類似：

re.sub(r'\\(?=\")',"",s,0)

或使用該正則表達式的等效熊貓。