如果在python中出现超过2次给定字符，如何删除一个单词？答案

【问题标题】：How to remove a word if it has more than 2 occurrence of a given character in python?如果在python中出现超过2次给定字符，如何删除一个单词？
【发布时间】：2020-08-28 04:48:50
【问题描述】：

我正在解析一个日志文件，其中包含如下行：

Pushing the logs into /var/log/my_log.txt
Pushing the logs into /opt/test/log_file.txt

这些行多次出现并带有自动生成的路径（/.../.../...）

我想将其更改为通用形式，例如：

 Pushing the logs into PATH

我尝试使用正则表达式选择带有多个正斜杠的单词，然后将其替换为单词“PATH”，如下所示：

line = re.sub(r'\b([\/A-Z]*\/[A-Z]*){1,}\b',' PATH ',line)

只有正斜杠被替换，而不是整个单词。

对这个概念非常陌生。难道我做错了什么？感谢所有帮助。谢谢。

【问题讨论】：

试试，re.sub("/.*", 'PATH', line)

标签： python regex parsing

【解决方案1】：

你可以使用：

import re

line = 'Pushing the logs into /var/log/my_log.txt'

pat = r'(?<!\S)(/\S+){2,}'

line = re.sub(pat, 'PATH', line)

print(line)

这并没有完全按照说明进行回答，因为它查找的“单词”必须以/ 开头 并且还包含两个或更多/（带有每个/) 后面的其他非空白字符 - 所以它会覆盖例如/tmp/my_log.txt。我认为这更好地涵盖了您会发现的那种字符串——如果它们是绝对路径，那么 / 将始终是第一个字符，同样，如果它们是文件而不是目录，那么最后一个 / 将不在最后（尽管我没有费心排除最后一个/，前提是它之前至少还有两个）。如果您只想寻找例如3 个或更多 /（不是在末尾），然后将 2 更改为 3，但如果这样做，您将错过 /tmp/my_log.txt。

正则表达式(?<!\S) 的第一位是否定的lookbehind 断言，意思是“前面没有非空白字符”，即它将匹配“单词”的开头或行的开头。下一位 (/\S+) 表示 / 后跟一个或多个非空白字符（可以包括 / - 没关系，所以我懒得排除这些)。而{2,} 表示应该有两个或多个。

（我在问题中使用“单词”来指代非空白字符的序列，不一定是字母。）

【讨论】：

【解决方案2】：

只匹配正斜杠，因为字符串是小写的，并且该模式使用[\/A-Z]*匹配正斜杠或大写字符 A-Z 零次或多次

您可以使用re.IGNORECASE 使模式不区分大小写，但它不会匹配示例数据中的下划线和点。

当您以单词边界 \b 开始模式时，第一个正斜杠不匹配，但空格和第一个正斜杠之间没有单词边界。

更具体的匹配可能是使用\w 匹配单词字符并指定扩展名的点：

(?<!\S)(?:/\w+)+/\w+\.\w+(?!\S)

(?<!\S) 向左声明空白边界
(?:/\w+)+ 匹配 1 次或多次 / 后跟 1+ 个单词字符
/\w+\.\w+ 匹配最后一个 / 后跟使用点和单词字符的文件名格式
(?!\S) 断言右边的空白边界

查看regex demo | Python demo

import re

line = 'Pushing the logs into /var/log/my_log.txt'
line = re.sub(r'(?<!\S)(?:/\w+)+/\w+\.\w+(?!\S)', 'PATH', line)
print(line)

输出

Pushing the logs into PATH

更广泛的模式可以匹配正斜杠的 2 倍，并使用否定字符类来匹配除正斜杠或换行符之外的任何字符

(?<!\S)(?:/[^/\r\n]+){2,}

查看另一个regex demo

【讨论】：