在Python中的多个条件下删除带括号的内容答案

【问题标题】：Remove content with parentheses under multiple conditions in Python在Python中的多个条件下删除带括号的内容
【发布时间】：2021-10-28 22:44:42
【问题描述】：

给定一个列表如下：

l = ['hydrogenated benzene (purity: 99.9 density (g/cm3), produced in ZB): SD', 
    'Car board price (tax included): JT Port', 
    'Ex-factory price (low-end price): Triethanolamine (85% commercial grade): North'
    ]

我想得到预期的结果如下：

['hydrogenated benzene: SD', 'Car board price: JT Port', 'Ex-factory price: Triethanolamine: North']

代码如下：

def remove_extra(content):
    pat1 = '[\s]'  # remove space
    pat2 = '\(.*\)' # remove content within parentheses
    combined_pat = r'|'.join((pat2, pat3))
    return re.sub(combined_pat, '', str(content))
[remove_extra(item) for item in l]

它生成：

['hydrogenated benzene : SD',
 'Car board price : JT Port',
 'Ex-factory price : North']

您可能会注意到，结果'Ex-factory price : North' 的最后一个元素与预期的不一样，我怎么能达到我所需要的？谢谢。

【问题讨论】：

可以使用a = [re.sub(r'\((?:[^)(]|\([^)(]*\))*\)', '', str(item)) for item in l] 吗？ : 之前是否需要删除空格？
从结果中看起来很有意义。你的意思是使用'\((?:[^)(]|\([^)(]*\))*\)' 作为pat1 和[\s] 作为pat2？
我测试了[\s] 并删除了所有空格，看来这不是您需要的。

标签： python-3.x pandas re

【解决方案1】：

内括号使它变得复杂。您在此处看到的解决方案适用于您的示例，但可能不适用于您的整个数据集。如果您遇到错误，请更新问题，以便我们找到解决方案。

此函数首先计算字符串中存在多少个单独的括号，然后将其删除。

def par_remover(st):
    begin = [ i.start() for i in re.finditer('\(', st)]
    end = [ i.start() for i in re.finditer('\)', st)]
    count = len(list(re.finditer('\(', st))) +1 - len([i for i in begin if i < end[0]])
    for i in range(count):
        begin = [ i.start() for i in re.finditer('\(', st)]
        end = [ i.start() for i in re.finditer('\)', st)]
        end1 = len([i for i in begin if i < end[0]])
        str_remove = st[st.find("("):list(re.finditer('\)', st))[end1-1].end()]
        st = st.replace(str_remove,'')
    return(st.replace(')',''))

df = pd.DataFrame({'value':l})

df['value'] = df['value'].apply(lambda st:par_remover(st))

结果：

|    | value                                      |
|---:|:-------------------------------------------|
|  0 | hydrogenated benzene : SD                  |
|  1 | Car board price : JT Port                  |
|  2 | Ex-factory price : Triethanolamine : North |

【讨论】：

谢谢，但列表最后一个元素的预期结果应该是Ex-factory price: Triethanolamine: North，而不是Ex-factory price: North

【解决方案2】：

问题实际上不是您的第三项，而是第一项，因为存在嵌套括号。你应该做一个这样的循环并使用subn 而不是sub

def remove_text_between_parens(text):
    n = 1
    while n:
        text, n = re.subn(r'\s*\([^()]*\)\s*', '', text)
    return text

>>> [remove_text_between_parens(t) for t in l]
['hydrogenated benzene: SD',
 'Car board price: JT Port',
 'Ex-factory price: Triethanolamine: North']

正确的解释在这里：https://stackoverflow.com/a/37538815/15239951

【讨论】：

【解决方案3】：

您可以使用\s* 修改链接解决方案以删除( 之前的可选空格：

#https://stackoverflow.com/a/37538815/2901002 
def remove_text_between_parens(text):
    n = 1  # run at least once
    while n:
        text, n = re.subn(r'\s*\([^()]*\)', '', text) #remove non-nested/flat balanced parts
    return text

a = [remove_text_between_parens(item) for item in l]
print (a)

['hydrogenated benzene: SD', 
 'Car board price: JT Port', 
 'Ex-factory price: Triethanolamine: North']

【讨论】：