代码之家 › 专栏 › 技术社区 › Luis Ramon Ramirez Rodriguez

删除字符串中重复的双关语

regex python

Luis Ramon Ramirez Rodriguez · 技术社区 · 4 年前

我正在清理以下文本:

Great talking with you. ? See you, the other guys and Mr. Jack Daniels next  week, I hope-- ? Bobette ? ? Bobette  Riner???????????????????????????????   Senior Power Markets Analyst??????   TradersNews Energy 713/647-8690 FAX: 713/647-7552 cell:  832/428-7008 bobette.riner@ipgdirect.com http://www.tradersnewspower.com ? ?  - cinhrly020101.doc

它有多个空格和问号,为了清理它,我使用了正则表达式:

def remove_duplicate_characters(text):     
    text = re.sub("\s+"," ",text) 
    text = re.sub("\s*\?+","?",text)
    text = re.sub("\s*\?+","?",text)
    return text


remove_duplicate_characters(msg)



remove_duplicate_characters(msg)

这给了我以下结果:

'Great talking with you.? See you, the other guys and Mr. Jack Daniels next week, I hope--? Bobette? Bobette Riner? Senior Power Markets Analyst? TradersNews Energy 713/647-8690 FAX: 713/647-7552 cell: 832/428-7008 bobette.riner@ipgdirect.com http://www.tradersnewspower.com? - cinhrly020101.doc'

对于这个特殊情况,它确实有效,但如果我想添加更多字符来删除,它看起来不是最好的方法。是否有最佳方法来解决这个问题?

1 回复 | 直到 4 年前

Wiktor StribiÅ¼ew 4 年前

要将所有连续的标点符号替换为它们的单个出现,您可以使用

re.sub(r"([^\w\s]|_)\1+", r"\1", text)

如果必须删除前导空格,请使用 r"\s*([^\w\s]|_)\1+" 正则表达式。

请参阅 regex demo online .

如果你想对此通用正则表达式引入例外,你可以在左侧添加一个替代项,在那里你可以捕获所有需要保留连续标点符号的上下文:

re.sub(r'((?<!\.)\.{3}(?!\.)|://)|([^\w\s]|_)\2+', r'\1\2', text)

请参阅 this regex demo .

这个 ((?<!\.)\.{3}(?!\.)|://)|([^\w\s]|_)\2+ 正则表达式匹配并捕获 ... (两端没有其他点)和a :// string(常见于URL中),其余的是具有调整后的反向引用的原始正则表达式(从现在开始,有两个捕获组)。

这个 \1\2 在替换模式中,将捕获的vaues放回生成的字符串中。

推荐文章

DotFX · RegEx捕获关键字前但括号后的所有内容

4 月前

user66001 · 正则表达式用于匹配有引号和无引号的文本,并且不匹配任何部分

4 月前

perlchamp · 为什么这也匹配?

4 月前

con · Negative Lookaward在perl正则表达式中不起作用

4 月前

Andrus · 如何在sql中查找第二个匹配项

4 月前

iato · 确保正则表达式不从命名材料中的数字中提取

5 月前

vr8ce · 非成对标记中特定字符的正则表达式

5 月前

MARTIN · 交换第一个和最后一个单词,反转所有中间的字符

5 月前

Carsten · 使用最近的搜索模式更改文本块

5 月前

Eric Marceau · Grep:有没有一种特殊的方法可以将“无字符”作为“字符位置”匹配的置换?

5 月前