刪除所有數字，除了使用 python regex 組合成字符串的數字

Question

嘗試使用正則表達式函數刪除單詞、空格、特殊字符和數字，但不刪除與單詞/字符串組合的那個。 例如

ORIGIN
    1 malwmrllp1 lallalwgpd paaafvnghl cgshlvealy lvcgergffy tpktrreaed
    61 lqvgqvelgg gpgagslqpl alegslqkrg iveqcctsic slyqlenycn

//

\W+ 刪除包括 1 在內的所有數字 malwmrll1

import re

text_file = open('mytext.txt').read()
new_txt = re.sub('[\\b\\d+\\b\s*$+\sORIGIN$\W+]', '', text_file)

print(new_txt, len(new_txt))

我的輸出是：

malwmrllplallalwgpdpaaafvnghlcgshlvealylvcgergffytpktrreaedlqvgqvelgggpgagslqplalegslqkrgiveqcctsicslyqlenycn 109

所需的輸出應該是： malwmrll1plallalwgpdpaaafvnghlcgshlvealylvcgergffytpktrreaedlqvgqvelgggpgagslqplalegslqkrgiveqcctsicslyqlenycn 110

Answer 1

對，根據您想要的結果是否顯示下划線，嘗試使用re.findall和原始字符串表示法。 您當前使用了一個沒有意義的字符類：

---

\b(?!(?:ORIGIN|[_\d]+)\b)\w+

查看在線演示

---

• \b - 字邊界；
• (?!(?:ORIGIN|[_\d]+)\b) - 帶有嵌套非捕獲組的負前瞻，以匹配尾隨字邊界之前的ORIGIN或 1+ 下划線/數字組合；
• \w+ - 1+ 個單詞字符。

---

import re
  
text_file = """ORIGIN
    1 malwmrllp1 lallalwgpd paaafvnghl cgshlvealy lvcgergffy tpktrreaed
    61 lqvgqvelgg gpgagslqpl alegslqkrg iveqcctsic slyqlenycn

//"""

new_txt=''.join(re.findall(r'\b(?!(?:ORIGIN|[_\d]+)\b)\w+', text_file))    
print(new_txt, len(new_txt))

印刷：

malwmrllp1lallalwgpdpaaafvnghlcgshlvealylvcgergffytpktrreaedlqvgqvelgggpgagslqplalegslqkrgiveqcctsicslyqlenycn 110

Answer 2

為此使用 RE 是一項有趣的學術練習，但擴展功能充滿危險，除非您非常熟悉該技術。

這個答案可能看起來很冗長，但您應該能夠看到擴展它是多么容易，以便可以排除或包含其他標記/模式。 它也很容易維護，因為在試圖弄清楚 RE 的工作原理時，任何其他必須修改代碼的人都不會偏頭痛。

FILENAME = 'mytext.txt'

def keep(t):
    if t.isdigit() or t == 'ORIGIN' or t == '//':
        return False
    return True

with open(FILENAME) as f:
    new_txt = ''.join(filter(keep, f.read().split()))
    print(new_txt, len(new_txt))

輸出：

malwmrllp1lallalwgpdpaaafvnghlcgshlvealylvcgergffytpktrreaedlqvgqvelgggpgagslqplalegslqkrgiveqcctsicslyqlenycn 110

Answer 3

另一個想法：

new_txt = re.sub('[\\W_]+|\\b(?:\\d+|ORIGIN)\\b', '', text_file)

去除單詞邊界之間的所有非單詞字符+下划線或數字/“ORIGIN”。

在 tio.run 上查看這個演示（正則表達式非常基礎，在 regex101 進行解釋）