Python-使用正則表達式查找帶有垃圾字符的單詞
[英]Python - use regex to find words with garbage characters
問題描述
我有一個經過掃描的文本，單詞中可能有一些垃圾字符。 垃圾字符通常不是字母數字或標點符號。
我有以下正則表達式：
garbage_pat = re.compile(r"(\w*(?P<and>[^a-zA-Z0-9_ \t\n\r\f\v,.?!;:])+[\w(?P=and)]*)")
此正則表達式正確查找包含一個垃圾字符的單詞。 如果有兩個或多個垃圾字符，則正則表達式將拆分單詞。 例如，aut〜moil將分為兩個詞。 當包含兩個或多個垃圾字符時，我如何使我的正則表達式返回整個單詞。
1 個解決方案
解決方案1
1 已采納 2012-01-27 12:00:05
似乎您正在尋找這樣的表達式：
(\w*(?:[^a-zA-Z0-9_ \t\n\r\f\v,.?!;:]\w*)+)
在 Python 中使用正則表達式查找具有某些字符和不包含其他字符的單詞
[英]Using Regex in Python to find words with certain characters and without other characters
使用正則表達式查找具有相同或不同字符的單詞
[英]Using Regex to find words with characters that are the same or that are different
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.