python 正则表达式只保留以字母开头并以 [a-zA-Z0-9] 继续的单词

【问题标题】：python regex keep only words that start with alphabet and continues with [a-zA-Z0-9]python 正则表达式只保留以字母开头并以 [a-zA-Z0-9] 继续的单词
【发布时间】：2018-11-01 09:41:32
【问题描述】：

鉴于此文本“hey a2a 3beauty hou\se heyYou2”，我想只保留以字母开头并以 a-z、A-Z 或数字继续的单词。所以这将是我想要的输出：“hey a2a heyYou2”。

到目前为止，我的解决方案是通过 text.split() 函数：

text = "hey a2a 3beauty hou\se heyYou2"
text = text.split()
text = [w for w in text if re.search(r"^[a-zA-Z][a-zA-Z0-9]*$", w) is not None]
' '.join(text)

Out[55]: 'hey a2a heyYou2'

有没有一种快速、更有效的方法可以使用正则表达式实现这一点，而无需将文本拆分为单词列表？

【问题讨论】：

re.sub(r'\s*(?<!\S)(?![a-zA-Z][a-zA-Z0-9]*(?!\S))\S+', '', text), demo, code.
感谢维克托。这会比我的解决方案更快，对吧？
不知道，不一定要更快，请随意测试。
@pyd 你已经在这里了，在 SO :) 每天观看正则表达式标签，尝试解决问题。
酷，我会发布。

标签： python regex

【解决方案1】：

您可以使用带有以下正则表达式的单个 re.sub 调用：

\s*(?<!\S)(?![a-zA-Z][a-zA-Z0-9]*(?!\S))\S+

见regex demo

详情

\s* - 0+ 个空格
(?<!\S) - 前导空白边界
(?![a-zA-Z][a-zA-Z0-9]*(?!\S)) - 如果在当前位置的右侧有
- [a-zA-Z] - 一封信
- [a-zA-Z0-9]* - 0 个或多个字母数字字符
- (?!\S) - 尾随空白边界
\S+ - 一个或多个非空白字符

Python code demo:

import re
text = "hey a2a 3beauty hou\se heyYou2"
print(re.sub(r"\s*(?<!\S)(?![a-zA-Z][a-zA-Z0-9]*(?!\S))\S+", "", text))
# => hey a2a heyYou2

【讨论】：

@Wiktor，你赢了 re :-) 不错的一个 +1