删除其中带有空格或“-”的单词Python

正则表达式的问题是分组。使用 (-)?|( )? 作为一个分隔符并不像你想象的那样。

a,b :

>>> regex = "(-)?|( )?".join(["a", "b"])
>>> regex
'a(-)?|( )?b'

你想让这个正则表达式匹配 ab 或 a b a-b ,但显然不是这样。它匹配 a , a- b 或 <space>b

>>> re.match(regex, 'a')
<_sre.SRE_Match object at 0x7f68c9f3b690>
>>> re.match(regex, 'a-')
<_sre.SRE_Match object at 0x7f68c9f3b718>
>>> re.match(regex, 'b')
<_sre.SRE_Match object at 0x7f68c9f3b690>
>>> re.match(regex, ' b')
<_sre.SRE_Match object at 0x7f68c9f3b718>

要解决此问题,可以将分隔符括在其自己的组中: ([- ])? .

wonder - land (即在连字符前后有空格的地方)应使用以下内容 (\s*-?\s*)? .

这些正则表达式将交替使用单词的字母和 [\s\-]* str.join 在每个字符上

import re

input_string = 'alice is a character from a fairy tale that lived in a wonder - land. A character about whome no one knows much about'

phrases_to_remove = ['wonderland', 'character', 'noone']

the_regex = "|".join(r"\b{}\b".format('[\s\-]*'.join(x)) for x in phrases_to_remove)

现在来处理“替换除第一个匹配项以外的所有项”部分:让我们定义一个对象,它将替换除第一个匹配项以外的所有项(使用内部计数器)

class Replacer:
    def __init__(self):
        self.__counter = 0

    def replace(self,m):
        if self.__counter:
            return ""
        else:
            self.__counter += 1
            return m.group(0)

现在通过 replace 方法到 re.sub

print(re.sub(the_regex,Replacer().replace,input_string))

结果:

alice is a character from a fairy tale that lived in a . A  about whome  knows much about

(生成的regex相当复杂,顺便说一句: \bw[\s\-]*o[\s\-]*n[\s\-]*d[\s\-]*e[\s\-]*r[\s\-]*l[\s\-]*a[\s\-]*n[\s\-]*d\b|\bc[\s\-]*h[\s\-]*a[\s\-]*r[\s\-]*a[\s\-]*c[\s\-]*t[\s\-]*e[\s\-]*r\b|\bn[\s\-]*o[\s\-]*o[\s\-]*n[\s\-]*e\b )

您可以一次使用一个:

对于空间:

^[ \t]+
@"[^0-9a-zA-Z]+