Python Regex - 刪除特殊字符但保留撇號

Question

我試圖從一些文本中刪除所有特殊字符，這是我的正則表達式：

pattern = re.compile('[\W_]+', re.UNICODE)
words = str(pattern.sub(' ', words))

超級簡單，但遺憾的是，當使用撇號（單引號）時會導致問題。 例如，如果我有“不”字樣，則此代碼返回“doesn”。

有沒有辦法調整這個正則表達式，以便它不會刪除這樣的實例中的撇號？

編輯：這是我所追求的：

 doesn't this mean it -technically- works? 

應該：

這不意味着它在技術上有效

Answer 1

像這樣？

>>> pattern=re.compile("[^\w']")
>>> pattern.sub(' ', "doesn't it rain today?")
"doesn't it rain today "

如果下划線也應該被過濾掉：

>>> re.compile("[^\w']|_").sub(" ","doesn't this _technically_ means it works? naïve I am ...")
"doesn't this  technically  means it works  naïve I am    "

Answer 2

我能夠使用此正則表達式將您的樣本解析為單詞列表： [az]*'?[az]+ 。

然后你可以用空格加入列表的元素。

Answer 3

怎么樣

re.sub(r"[^\w' ]", "", "doesn't this mean it -technically- works?")

Answer 4

怎么樣([^\\w']|_)+ ？

請注意，這不適用於以下內容：

doesn't this mean it 'technically' works?

這可能不是你想要的。