在Python 3中刪除字母數字詞，但有一些例外

Question

我試圖通過刪除字母數字單詞（包含字母和數字的單詞）來清理Python 3中的某些正文，但是我想保留一些例外。 以下代碼從文本中刪除所有字母數字單詞：

import re

string1 = "3n3k game gnma34 xbox360 table"
string2 = "the a22b b3kj3 ps4 2ij2aln potato"

new_string1 = re.sub(r'\w*\d\w*', '', string1)
new_string2 = re.sub(r'\w*\d\w*', '', string2)

上面的代碼產生了“游戲桌”的new_string1和“土豆”的new_string2。 我需要的是new_string1是“游戲xbox360表”，而new_string2是“ ps4馬鈴薯”。

我想我可以創建一個異常數組，例如：

exceptions = ['xbox360', 'ps4'] #there may be many more exceptions than this

但是我不太確定如何將此例外列表合並到我的正則表達式中（我對這個概念還很陌生）。 非常感謝任何見識！

Answer 1

使用負數前瞻。 負前瞻長度為零 ：不匹配任何內容； 它要么成功，要么失敗，完成之后，游標仍然位於之前的位置。 因此，您要檢查單詞邊界（ \\b ），檢查以下文本是否不在您的例外列表（ (?!...) ）中，並使用現有的正則表達式來匹配單詞（ \\w*\\d\\w* ）。

要構造超前的主體，只需將exceptions元素與|串聯在一起| 介於兩者之間，或者只是將與您要直接保留的單詞匹配的正則表達式設置為exceptions 。

我對Python不太熟悉，因此示例示例中的正則表達式應如下所示，希望您能對此進行概括：

\b(?!xbox360|ps4)\w*\d\w*

刪除空格

" ".join(re.sub(r'\b(?!xbox360|ps4)\w*\d\w*'," ",string1).split())

Answer 2

我找不到適合您的正則表達式，但這是實現它的一種方法

>>> exceptions = ['xbox360', 'ps4']
>>> string1 = "3n3k game gnma34 xbox360 table"

>>> " ".join([i if i in exceptions else re.sub(r'\w*\d\w*', '', i) for i in string1.split()])
' game  xbox360 table'
>>> string2 = "the a22b b3kj3 ps4 2ij2aln potato"

>>> " ".join([i if i in exceptions else re.sub(r'\w*\d\w*', '', i) for i in string2.split()])
'the   ps4  potato'

Answer 3

使用兩種方式：拆分並分析單詞：

import re

strings = ["3n3k game gnma34 xbox360 table", "the a22b b3kj3 ps4 2ij2aln potato"]
exceptions = ['xbox360', 'ps4']

def cleanse(word):
    rx = re.compile(r'\D*\d')
    if rx.match(word) and word not in exceptions:
        return ''
    return word

nstrings = [" ".join(filter(None, (
    cleanse(word) for word in string.split()))) 
    for string in strings]
print(nstrings)
# ['game xbox360 table', 'the ps4 potato']

---

此外，我將正則表達式更改為

 `\\D*\\d` 

並嘗試在每個“單詞”的開頭（使用re.match() ）進行匹配，因為\\w包含數字。

---

如果您能夠升級到較新的regex模塊 ， regex可以使用(*SKIP)(*FAIL)和更好的表達式，而無需使用函數：

import regex as re

strings = ["3n3k game gnma34 xbox360 table", "the a22b b3kj3 ps4 2ij2aln potato  123123 1234"]
exceptions = [r'\d+', 'xbox360', 'ps4']

rx = re.compile(r'\b(?:{})\b(*SKIP)(*FAIL)|\b[A-Za-z]*\d\w*\b'.format("|".join(exceptions)))

nstrings = [" ".join(
    filter(None, (rx.sub('', word) 
    for word in string.split()))) 
    for string in strings]
print(nstrings)
# ['game xbox360 table', 'the ps4 potato 123123 1234']

在regex101.com上查看演示，並在此處查看完整的Python代碼段：

 import regex as re strings = ["3n3k game gnma34 xbox360 table", "the a22b b3kj3 ps4 2ij2aln potato 123123 1234"] exceptions = [r'\\d+', 'xbox360', 'ps4'] rx = re.compile(r'\\b(?:{})\\b(*SKIP)(*FAIL)|\\b[A-Za-z]*\\d\\w*\\b'.format("|".join(exceptions))) nstrings = [" ".join( filter(None, (rx.sub('', word) for word in string.split()))) for string in strings] print(nstrings) # ['game xbox360 table', 'the ps4 potato 123123 1234']