Блог

Главная - Вопросы по программированию - Регулярные выражения (регулярное выражение) Удалите слово «и», не буквенно-цифровые символы и пробелы из строки в Python

Регулярные выражения (регулярное выражение) Удалите слово «и», не буквенно-цифровые символы и пробелы из строки в Python

#python #regex #string

Вопрос:

В Python я пытаюсь очистить (а затем сравнить) имена исполнителей и хочу удалить:

  1. не альфа-символы, или
  2. пробелы, или
  3. слово «и»

СТРОКА ВВОДА: Bootsy Collins and The Rubber Band

ЖЕЛАЕМЫЙ РЕЗУЛЬТАТ: BootsyCollinsTheRubberBand 

 import re

s = 'Bootsy Collins and The Rubber Band'
res1 = re.sub(r'[^w]|s|s (and)s', "", s)
res2 = re.sub(r'[^w]|s|sands', "", s)
res3 = re.sub(r'[^w]|s|(and)', "", s)

print("b", s, "n"
      , "1st: ", res1, "n"
      , "2nd: ", res2, "n"
      , "3rd: ", res3)
 
 Output:
Bootsy Collins and The Rubber Band 
 1st:  BootsyCollinsandTheRubberBand 
 2nd:  BootsyCollinsandTheRubberBand 
 3rd:  BootsyCollinsTheRubberB

Комментарии:

1. Регулярное выражение решения, представленное в ответах здесь, должно работать также для других типов/разновидностей регулярных выражений (например, PCRE, ECMAScript, Golang, java). Тем не менее, заголовок и содержание вопроса были добавлены с учетом специфики используемого синтаксиса Python. Это делается для того, чтобы люди, знакомые с другими регулярными выражениями других языков, не могли неправильно истолковать этот вопрос, вызванный опечаткой, и не считали его невоспроизводимым.

Ответ №1:

Для поддержки правил, которые вы изложили, вместо того, чтобы просто цитировать образец текста, вам нужно более общее регулярное выражение с правильной настройкой флагов для re.sub вызова:

 re.sub(r'bandb|W', '', s, flags=re.IGNORECASE)

Объяснение

  • Флаг re.IGNORECASE установлен таким образом, чтобы вы также могли удалить «И» (и другие варианты сочетания прописных/строчных букв) в предложении. В случае, если вы хотите удалить только «и», но не какие-либо его варианты, вы можете удалить этот параметр флага.
  • bandb слово «и», заключенное в знак границы слова b с обеих сторон. Это должно соответствовать последовательности из 3 символов «и» как независимому слову, а не как подстроке другого слова. Использование b для изоляции слова вместо того, чтобы заключать слово в пробелы, например s ands , имеет то преимущество, что b опция также может определять границу слова в строках, например and, , пока s ands не может этого сделать. Это происходит потому, что запятая-это не пробел.
  • Поскольку пробел s также является своего рода не-словом W (поскольку слово w эквивалентно [a-zA-Z0-9_] ), вам не нужны отдельные токены регулярного выражения для обоих. W уже включает s в себя . Таким образом, вы можете упростить регулярное выражение без отдельного использования s .

ДЕМОНСТРАЦИЯ

Тестовый случай № 1:

 s = 'Bootsy Collins and The Rubber Band'
res = re.sub(r'bandb|W', '', s, flags=re.IGNORECASE)
print(res)

Output:
'BootsyCollinsTheRubberBand'

Тестовый случай № 2 («И» удалено) :

 s = 'Bootsy Collins And The Rubber Band'
res = re.sub(r'bandb|W', '', s, flags=re.IGNORECASE)
print(res)

Output:
'BootsyCollinsTheRubberBand'

Тестовый случай № 3 («и» [с запятой после «и»] удален)

 s = 'Bootsy Collins and, The Rubber Band'
res = re.sub(r'bandb|W', '', s, flags=re.IGNORECASE)
print(res)

Output:
'BootsyCollinsTheRubberBand'

Тестовый пример счетчика: (регулярное выражение с использованием пробела s или s вместо b границы слова)

 s = 'Bootsy Collins and, The Rubber Band'
res = re.sub(r's (and)s|W', '',s)
print(res)

Output:   'and' is NOT removed
'BootsyCollinsandTheRubberBand'

Ответ №2:

Ваши первые два регулярных выражения не соответствуют «и», потому что при достижении этой позиции в строке s часть регулярного выражения будет соответствовать пробелу перед «и» вместо s (and)s части вашего регулярного выражения.

Вам просто нужно изменить порядок, чтобы сначала было опробовано последнее. Кроме того, s является частью [^w] , поэтому вам не нужно сопоставлять s отдельно. И, наконец, W является более короткой формой [^w] . Так что используйте:

 s (and)s|W
Метки: ,