正则表达式删除标点符号但不在数字之间不正确结果答案

【问题标题】：Regex remove punctuation but not between digits incorrect result正则表达式删除标点符号但不在数字之间不正确结果
【发布时间】：2022-01-11 11:46:59
【问题描述】：

我正在为 SpaCy 预处理文本并尝试删除标点符号，数字之间除外。但是，在某些情况下，当标点符号与数字连接时，它不会被删除。您能否建议如何处理这种极端情况？

一个例子：

import re

text = "Fast-charge $ EV ! battery maker StoreDot pulls in $80.7M led led by Vietnam’s VinFast"

preprocessed = re.sub(r'(?<!\d)[%$!.,,;:’“”—-](?!\d)',' ', text)

print(preprocessed)

# Fast charge   EV   battery maker StoreDot pulls in $80.7M led by Vietnam s VinFast

预期结果：

# Fast charge   EV   battery maker StoreDot pulls in 80.7M led by Vietnam s VinFast

【问题讨论】：

也许断言不是一侧的数字？ (?<!\d)[$!.,;:’“”—-]|[$!.,;:’“”—-](?!\d)regex101.com/r/JD2oEK/1
您特别想保留什么？只有逗号和点之间的数字？
@JvdV 是的，我只想留下数字，以便 SpaCY 可以将其识别为数字。本质上，我与 $ 和 % 斗争。
@Thefourthbird 不知道为什么，但这不适用于“根据 Coinbase 数据，比特币下跌 4.3% 和以太币下跌 5.1%”这样的情况
@Thefourthbird，太棒了，非常感谢，是的，它有效！您能否在答案中解释一下，真的很感激吗？

标签： python regex

【解决方案1】：

否定的环视应该在两边都为真，这样就不会匹配$80中的$

您可以使用替换| 表示没有数字，来匹配断言左侧或右侧的字符类中的一个字符。

(?<!\d)[%$!.,;:’“”—-]|[%$!.,;:’“”—-](?!\d)

查看regex demo

备注

示例字符串中有led led，预期结果中有一个led，但我认为这是一个错字，因为字符类无法匹配led
在字符类中, 也有一个双重条目。
不确定是否要保留它们，但在替换中使用空格可能会留下双倍间距，正如您在预期结果中看到的那样。如果要删除它们，可以使用strip() 删除前导和尾随空格，并使用 sub 和r"[^\S\n]{2,}" 匹配2个或多个不带换行符的空格并将它们替换为单个空格

【讨论】：

非常感谢您的精彩解释，现在更清楚了。特别感谢双空格的评论，我确实有这个问题！
@Cassiopea 不客气 :-) 祝你好运！