Python 正則表達式在多個 Latex 表達式匹配之間破壞文本

Question

我正在嘗試從 StackExchange 語料庫中清除會話文本，該語料庫包含可能包含 Latex 表達式的句子。 Latex 表達式由 $ 符號分隔：例如 $y = ax + b$

這是來自包含多個 Latex 表達式的數據的一行示例文本：

@Gruber - 這是另一個例子，當這樣應用時： $\\mathrm{Var} \\left(X^2\\right) = 4 X^2 \\mathrm{Var} (X)$ 沒有任何意義，在左邊是一個常數，右邊是一個隨機變量。 你的意思是 $4E(X)^2 Var(X)$ 祝福那些走少有人走的路的人。 您理論中的另一個例外是 $4E(X)^2 Var(X)$。 你在想什么？ :)

到目前為止，這是我所擁有的：它似乎在每個 Latex 表達式匹配之間破壞了文本，並給出了一個不正確的巨大匹配。

([\$](.*)[\$]){1,3}?

Answer 1

我不明白你為什么把{1,3}放在最后，你試圖實現什么目標。 無論如何，您的錯誤是您使用了[\\$] ，它為您提供了一組兩個字符 - 一個反斜杠和一個美元。 我建議你使用

\$([^$]*)\$

並用空字符串替換它： demo here