从python中的字符串集中删除不需要的字符答案

【问题标题】：Remove unwanted characters from set of strings in python从python中的字符串集中删除不需要的字符
【发布时间】：2021-06-11 10:42:00
【问题描述】：

我正在尝试清理一组字符串以删除不需要的字符。

输入

Lethal Lunch t5+ 0 0 D 10 t5+ Michael Bell . Alex Jary7 .
Muscika 1 v5+ W5+ 0 0 D 5 v5+ W5+ D O'Meara . Cam Hardie . C5
Typhoon Ten 1 0 0 D 13 R Hannon . Luke Catton7 .
Wentworth Falls 1 cp5+ 0 0 C D 45 cp5+ G Harker . Connor Beasley .
One Night Stand 0 0 D 34 W Jarvis . Silvestre De Sousa . 30 C1 C5
Dancinginthewoods 1 0 0 D 24 D Ivory . 14 Jamie Spencer . 30
Case Key 1 v3 0 0 D 13 v3 M Appleby . Andrew Mullen . 14

想要的输出

Lethal Lunch
Muscika
Typhoon Ten
Wentworth Falls
One Night Stand
Dancinginthewoods 
Case Key

我试过了

re.findall('([a-zA-Z ]*)\d*.*',final_df.loc[index, 'Horse'])

这会删除数字之后的所有内容，但会将 t 保留在第一个条目上。我想知道是否有更好的方法？

【问题讨论】：

标签： python string python-re

【解决方案1】：

我会改用re.split：

for d in data.splitlines():
    print(re.split(r'\s+t?[0-9]\+?', d)[0])

结果

Lethal Lunch 
Muscika 
Typhoon Ten 
Wentworth Falls 
One Night Stand 
Dancinginthewoods 
Case Key

解释：它在指定模式匹配的地方分割字符串，然后取第一部分。您可能想要调整它以便其他模式也匹配。

在熊猫中

我刚刚注意到您似乎在使用 Pandas - 假设您的 df 看起来像这样：

                                               Horse
0  Lethal Lunch t5+ 0 0 D 10 t5+ Michael Bell . A...
1  Muscika 1 v5+ W5+ 0 0 D 5 v5+ W5+ D O'Meara . ...
2  Typhoon Ten 1 0 0 D 13 R Hannon . Luke Catton7 .
3  Wentworth Falls 1 cp5+ 0 0 C D 45 cp5+ G Harke...
4  One Night Stand 0 0 D 34 W Jarvis . Silvestre ...
5  Dancinginthewoods 1 0 0 D 24 D Ivory . 14 Jami...
6  Case Key 1 v3 0 0 D 13 v3 M Appleby . Andrew M...

你可以的

from operator import itemgetter

df["name"] = df.Horse.str.split('\s+t?[0-9]\+?').map(itemgetter(0))

得到这个：

                                               Horse               name
0  Lethal Lunch t5+ 0 0 D 10 t5+ Michael Bell . A...       Lethal Lunch
1  Muscika 1 v5+ W5+ 0 0 D 5 v5+ W5+ D O'Meara . ...            Muscika
2  Typhoon Ten 1 0 0 D 13 R Hannon . Luke Catton7 .        Typhoon Ten
3  Wentworth Falls 1 cp5+ 0 0 C D 45 cp5+ G Harke...    Wentworth Falls
4  One Night Stand 0 0 D 34 W Jarvis . Silvestre ...    One Night Stand
5  Dancinginthewoods 1 0 0 D 24 D Ivory . 14 Jami...  Dancinginthewoods
6  Case Key 1 v3 0 0 D 13 v3 M Appleby . Andrew M...           Case Key

【讨论】：

太棒了，感谢您添加 pandas 位，这真的很有帮助。谢谢

【解决方案2】：

这样的事情应该可以工作：

filtered_text = list()

for line in text:
    part = ""
    for word in text.split(" "):
        if len(word) <= 3:
            break
        else:
            part = str(part) + " " + str(word)

    part = part[1:] # skip first space
    filtered_text.append(part)

【讨论】：

【解决方案3】：

这样就够了吗？

input = [
    "Lethal Lunch t5+ 0 0 D 10 t5+ Michael Bell . Alex Jary7 .",
    "Muscika 1 v5+ W5+ 0 0 D 5 v5+ W5+ D O'Meara . Cam Hardie . C5",
    "Typhoon Ten 1 0 0 D 13 R Hannon . Luke Catton7 .",
    "Wentworth Falls 1 cp5+ 0 0 C D 45 cp5+ G Harker . Connor Beasley .",
    "One Night Stand 0 0 D 34 W Jarvis . Silvestre De Sousa . 30 C1 C5",
    "Dancinginthewoods 1 0 0 D 24 D Ivory . 14 Jamie Spencer . 30",
    "Case Key 1 v3 0 0 D 13 v3 M Appleby . Andrew Mullen . 14",
]

for inp in input:
    print(re.findall(r'\b[a-zA-Z ]+\b', inp)[0])

我们基本上会忽略带有数字或奇怪符号的单词。输出：

Lethal Lunch 
Muscika 
Typhoon Ten 
Wentworth Falls 
One Night Stand 
Dancinginthewoods 
Case Key

【讨论】：