替换字符串中不需要的特殊字符，保留两个数字之间的特殊字符答案

【问题标题】：Replace unwanted special characters from a string, retain special characters between two numerical替换字符串中不需要的特殊字符，保留两个数字之间的特殊字符
【发布时间】：2019-02-13 08:03:57
【问题描述】：

您好，我正在从事一个 NLP 项目，我需要从文本中识别实体/组织名称。但是，字符串中的单词与 (_ : ,) 字符连接，如下所示：

RING_LECO:108_.250X.436X.093V_772_520

我想清理字符串如下：

Ring Leco 108 .250X.436X.093V 772_520

我们删除了两个单词之间的特殊字符 (A-Z:A-Z,A-Z:0-9)，但在 772 和 520 之间保留了 _ 符号。

有什么办法可以做到吗？

【问题讨论】：

你想要的输出字符串有不同的大小写，在.250之前有一个0，这是以前没有的，在.250X中的X之后有一个0，以及其他差异.这有什么规则？您可以发布到目前为止您尝试过的代码吗？
@CertainPerformance 我已经编辑了所需的字符串，我很抱歉这个错误。我无法在这方面取得进展。因此，需要帮助！
感谢您的澄清 - 所以，从“RING_LECO”到“Ring Leco”的更改是故意的？
是的。有意将每个单词的首字母大写。但它是可选的任何方式

标签： python regex nlp

【解决方案1】：

尝试使用

(?<=\D)[_:,]|[_:,](?=\D)

\D 表示非数字字符，因此该模式匹配至少一侧有非数字字符的特殊字符 (_:,)。

str = 'RING_LECO:108_.250X.436X.093V_772_520'
pattern = re.compile(r'(?<=\D)[_:,]|[_:,](?=\D)')
print(pattern.sub(' ', str))

输出：

RING LECO 108 .250X.436X.093V 772_520

【讨论】：

【解决方案2】：

这个正则表达式应该可以解决问题：

_([^0-9]?<=)|(?=[^0-9])_

英文：“下划线前后都不是数字”

?之前是要捕获的组

?= 表示跟随的都是要捕获的组

【讨论】：