Python Regex 删除括号中的注释或数字

Question

我正在尝试使用正则表达式删除行号和 cmets，但它现在还不起作用：

import re
string = """(1) At what time.!? [asdf] School-
(2) bus. So late, already.!? [ghjk]"""

#res = re.sub(r"[\(\[].*?[\)\]]", "", string)

res = re.sub("(\d+) ","", res)
res = re.sub("[.*]","", res)
res = re.sub(r"-\s","", res)
res = re.sub(r"[^\w\säüöß]","", res)
res = re.sub("-\n","", res)
print(res.split())

所以我试图用我的#commented 行删除括号 () 和 [] 中的任何内容，但后来我被困在每行开头的空白处。 然后我决定把它拆分出来，想出了五个 re.sub 方法。

结果应该是这样的：

['At', 'what', 'time', 'Schoolbus', 'So', 'late', 'already']

我对没有被删除的行号感到困惑，尽管它们在 () 中并且应该消失了。然后导致我的 res.sub() 用于将带有“-”的单词从校车连接到校车也无法正常工作。

Answer 1

您可以使用这个sub + findall 解决方案：

import re

string = """(1) At what time.!? [asdf] School-
(2) bus. So late, already.!? [ghjk]"""

print (re.findall(r'\b\w+(?:-\w+)*', re.sub(r'(\([^)]*\)|\[[^]]*\]|-)\s*', '', string)))

输出：

['At', 'what', 'time', 'Schoolbus', 'So', 'late', 'already']

详情：

• re.sub(r'(\([^)]*\)|\[[^]]*\]|-)\s*', '', string)：删除所有 (...) 和 [...] 或 - 后跟 0 个或多个空格的字符串
• \b\w+: 匹配以单词边界开头的 1+ 个单词字符