如何刪除 Python 中具有重復模式的 substring？

Question

所以，我有以下列表：

texts = ["Vol. 1, No. 2, 2020 other text yes bla bla",
        "Vol. 2, No. 2, 2020 another text",
        "Vol. 1, No. 1, 2020 yet another one"]

看，我想獲取另一個文本，其他文本等，並刪除“Vol. x No. x, 2020”substring。 我該如何使用正則表達式？ 我認為使用{}可以幫助我刪除它，但似乎我並不真正了解它是如何工作的。

def remove_header_footer(text):
    pattern1 = "Vol. {}, No. {}, 2020"
    temp = text.replace(pattern1, text, "")

我得到了一個錯誤。 有人有什么主意嗎？ 謝謝你。

Answer 1

你可以試試這個模式'Vol. \d, No. \d, 2020' 'Vol. \d, No. \d, 2020'鑒於 Vol. 之后的字符串。 No. 是個位數。 對於多個數字，您可以使用 \d+

import re
texts = ["Vol. 1, No. 2, 2020 other text yes bla bla",
         "Vol. 2, No. 2, 2020 another text",
         "Vol. 1, No. 1, 2020 yet another one"]
for text in texts:
    new_text = re.sub('Vol. \d, No. \d, 2020', '', texts[0])
    print(new_text)

Answer 2

如果 alignment 始終相同，您可以嘗試以下簡單方法：

result = []
for text in texts:
    text_split = text.split(" ")
    result.append(text_split[5:])

這將在每個“;”處分開在您的列表中，然后在每個blank拆分。 稍后，當附加到結果列表時，前 5 個條目將被省略。 如果您願意，您可以將列表展平：

flat_result = [item for sublist in result for item in sublist]

Answer 3

如果文本總是以這種方式格式化，您可能會在2020將它們.split一次並帶上最后一部分，即

texts = ["Vol. 1, No. 2, 2020 other text yes bla bla",
        "Vol. 2, No. 2, 2020 another text",
        "Vol. 1, No. 1, 2020 yet another one"]
for t in texts:
    print(t.split(" 2020 ", 1)[-1])

output

other text yes bla bla
another text
yet another one

請注意，我在 2020 空間而不是 2020 空間進行拆分並執行一次（ .split中的第二個參數為 1），因此如果 2020 出現在進一步的測試中沒有問題。