使用正则表达式 python 删除空格

Question

我正在尝试修改文件的每一行以删除以字符 '(' 开头或在方括号中包含数字/字符 ie'[2] 的任何部分强>'：

f = open('/Users/name/Desktop/university_towns.txt',"r")
listed = []
import re 
for i in f.readlines():
    if i.find(r'\(.*?\)\n'): 
       here = re.sub(r'\(.*?\)\[.*?\]\n', "", i)
       listed.append(here)
    elif i.find(r' \(.*?\)\n'):
       here = re.sub(r' \(.*?\)\[.*?\]\n', "", i)
       listed.append(here)
    elif i.find(r' \[.*?\]\n'): 
       here = re.sub(r' \[.*?\]\n', "", i)
       listed.append(here) 
    else:
       here = re.sub(r'\[.*?\]\n', "", i)
       listed.append(here)

我的输入数据的样本：

Platteville (University of Wisconsin–Platteville)[2]
River Falls (University of Wisconsin–River Falls)[2]
Stevens Point (University of Wisconsin–Stevens Point)[2]
Waukesha (Carroll University)
Whitewater (University of Wisconsin–Whitewater)[2]
Wyoming[edit]
Laramie (University of Wyoming)[5]

我的输出数据示例：

Platteville 
River Falls 
Stevens Point 
Waukesha (Carroll University)
Whitewater 
Wyoming[edit]
Laramie 

但是，我不想要“（卡罗尔大学）”或“[编辑]”等部分。

我如何修改我的公式？

如果有人能给我任何建议，我将不胜感激！

Answer 1

你可以这样做：

import re 

with open(ur_file) as f_in:
    for line in f_in:
        if m:=re.search(r'^([^([]+)', line):  # Python 3.8+
            print(m.group(1))

如果您的 Python 是 3.8 之前的版本，但没有 Walrus：

with open(ur_file) as f_in:
    for line in f_in:
        m=re.search(r'^([^([]+)', line)
        if m:
            print(m.group(1))

打印：

Platteville 
River Falls 
Stevens Point 
Waukesha 
Whitewater 
Wyoming
Laramie 

正则表达式解释：

^([^([]+)

^                            start of the line
 ^       ^                   capture group
   ^   ^                     character class
     ^                       class of characters OTHER THAN ( and [
        ^                    + means one or more

Here is the regex on Regex101

Answer 2

改用这个正则表达式：

\(.*\)|\[.*\]

像这样：

re.sub(r'\(.*\)|\[.*\]', '', i)

这将替换括号中的任何内容 (\(.*\)) 或 (|) 方括号中的任何内容 (\[.*\])

Answer 3

如果在比循环更快、更易读的矢量化解决方案之后。那就试试吧；

数据

df=pd.DataFrame({'text':['Platteville (University of Wisconsin–Platteville)[2]','River Falls (University of Wisconsin–River Falls)[2]','Stevens Point (University of Wisconsin–Stevens Point)[2]','Waukesha (Carroll University)','Whitewater (University of Wisconsin–Whitewater)[2]','Wyoming[edit]','Wyoming[edit]']})

正则表达式提取

df['name']=df.text.str.extract('([A-Za-z\s+]+(?=\(|\[))')

正则表达式分解

捕获任何[A-Za-z\s+]大写、小写字母后跟空格

(?=\(|\[)) 后面紧跟特殊字符(` 或特殊字符 [