Python：正则表达式代码无法从文本中删除 ' 和 -答案

【问题标题】：Python: Regex code not able to remove ' and - from textPython：正则表达式代码无法从文本中删除 ' 和 -
【发布时间】：2021-02-22 20:29:17
【问题描述】：

我有一大段文本，下面是其中的一个示例。

'tis too true! How smart a lash that 
speech doth give my conscience! The harlot's cheek beautied with plastering art Is not more ugly to the thing

我想去掉所有不是“.?!”的标点符号。我想我是用下面的代码这样做的：

hamsplits2 = re.sub(r'[^[a-z.?!\s]]', "", hamsplits1) # substitute any character that is not what's in box

但代码似乎不起作用，因为当我 print(hamsplits2) 时，我仍然得到撇号和破折号。

how smart a lash that 
speech doth give my conscience! the harlot's cheek beautied with plastering art is not more ugly to the

我的正则表达式有什么问题导致它无法删除撇号和破折号？

【问题讨论】：

标签： python regex punctuation

【解决方案1】：

您的 [^[a-z.?!\s]] 正则表达式是“格式错误”的模式。它包含两部分，[^[a-z.?!\s] 和 ] 原子。 [^[a-z.?!\s] 是一个否定字符类，它匹配除 [、小写字母、.、?、! 和空格之外的任何字符，] 匹配文字 ]。因此，它匹配两个字符的组合，如]]、1] 等。

你可以使用

hamsplits2 = re.sub(r'[^\w\s.?!]|_', '', hamsplits1)

见regex demo

[^\w\s.?!]|_ 正则表达式匹配除.、? 和! 和_ 以外的标点字符，或者匹配_（这是因为\w 匹配下划线，而不仅仅是字母和数字）。

更多详情

[^\w\s.?!] - 一个否定字符类，匹配除单词字符 (\w)、空白字符 (\s)、.、? 和 ! 以外的任何字符
| - 或
_ - 一个下划线。

【讨论】：

感谢您的详细解释。你能详细说明为什么我最初的尝试没有奏效吗？
@PineNuts0 我在第一段添加了解释。
我明白了......但为什么我原来的正则表达式不匹配 - 和 ' ？
@PineNuts0 它匹配两个-char组合。见your regex demo。

【解决方案2】：

您需要转义第一个 ]，以便将其视为文字字符，而不是终止第一个 [。

hamsplits2 = re.sub(r'[^[a-z.?!\s\]]', "", hamsplits1)

如果您不是要在应保留的标点符号集中包含 [ 和 ]，请将它们都从字符集中删除：

hamsplits2 = re.sub(r'[^a-z.?!\s]', "", hamsplits1)

【讨论】：

【解决方案3】：

你可以试试这个正则表达式：[^\w\d\.\?\!\s]，意思不是单词、数字，也不是.?!，也不是空格。

【讨论】：