python中的正则表达式需要保留特殊字符答案

【问题标题】：regular expressions in python need to retain special characterspython中的正则表达式需要保留特殊字符
【发布时间】：2018-02-02 13:23:27
【问题描述】：

下面是我不干净的文本字符串

text = 'this/r/n/r/nis a non-U.S disclosures/n/n/r/r analysis agreements disclaimer./r/n/n/nPlease keep it confidential'

下面是我正在使用的正则表达式：

 ' '.join(re.findall(r'\b(\w+)\b', text))

我的输出是：

'this is a non US disclosures analysis agreements disclaimer. Please keep it confidential'

我的预期输出是：

 'this is a non-U.S disclosures analysis agreements disclaimer. Please keep it confidential'

我需要保留特殊字符和单词之间的空格，应该正好有一个空格。谁能帮我改变我的正则表达式？

【问题讨论】：

【解决方案1】：

希望这对你有用！

str = 'this/r/n/r/nis a non-U.S.披露/n/n/r/r 分析协议免责声明。/r/n/n/n请保密'

val = re.sub(r'(/.?)', " ", str); val1 = re.sub(r'\s+', " ", val) 打印（val1）

【讨论】：

【解决方案2】：

使用比 \b 更具体的词屏障（标记字符串结尾的 $ 不能放在方括号内，因此您必须在 $|\n|\r| 和 ?=是一个非消耗性的前瞻性，很像 \b），这里也更安全的是使用非贪婪非空累加器（+ 号使其非空，问号使其非贪婪）：

re.findall(r'[^\n\r ]+?(?=$|\n|\r| )', text)

['this', 'is', 'a', 'non-U.S.', 'disclosures', 'analysis', “协议”、“免责声明”、“请”、“保留”、“它”、 '机密']

【讨论】：

如果我的文本有 \t \xa0 会发生什么上面的正则表达式会起作用吗？ text = 'this/r/n/r/nis 是非美国披露\t \xao 分析协议免责声明。/t请保密'
如果您询问分隔符和特殊字符集的每个子集是否都有快捷方式，那么答案是否定的。至于你的 \xa0 字符，转换为 utf stackoverflow.com/a/11566398/374437