仅删除连续的特殊字符，但保留连续的 [a-zA-Z0-9] 和单个字符

Question

如何删除字符串中多次连续出现的所有个特殊字符？

我可以得到如下代码：

re.sub('\.\.+',' ',string)
re.sub('@@+',' ',string)
re.sub('\s\s+',' ',string)

对于个人，最好是对列表中的所有字符使用循环，例如：

from string import punctuation

for i in punctuation:
    to = ('\\' + i + '\\' + i + '+')
    string = re.sub(to, ' ', string)

但我相信也有有效的方法。

我试过了：

re.sub('[^a-zA-Z0-9][^a-zA-Z0-9]+', ' ', '\n\n.AAA.x.@@+*@#=..xx000..x..\t.x..\nx*+Y.')

但它会删除除以字母开头的特殊字符之外的所有特殊字符。

字符串可以有不同的连续特殊字符，如99@aaaa*!@#$.，但不能相同，如++--...。

Answer 1

在 Python 中匹配所有非字母数字字符的模式是 [\W_]。

因此，您只需使用捕获组包装模式并在其后添加 \1+ 以匹配 2 次或更多次连续出现的相同非字母数字字符：

text = re.sub(r'([\W_])\1+',' ',text)

在 Python 3.x 中，如果您希望仅识别模式 ASCII，请使用 re.A 或 re.ASCII 标志：

text = re.sub(r'([\W_])\1+',' ',text, flags=re.A)

注意使用定义原始字符串文字的r 前缀（这样您就不必转义\ 字符）。

请参阅regex demo。见Python demo：

import re
text = "\n\n.AAA.x.@@+*@#=..xx000..x..\t.x..\nx*+Y."
print(re.sub(r'([\W_])\1+',' ',text))

输出：

 .AAA.x. +*@#= xx000 x  .x 
x*+Y.