如何在 Python 中使用正则表达式删除右方括号？

Posted 2023-02-23

【中文标题】如何在 Python 中使用正则表达式删除右方括号？

【英文标题】：How can I remove the closing square bracket using regex in Python?

【发布时间】：2021-07-17 11:06:31

【问题描述】：

我有一个混乱的字符串列表 (list_strings)，我可以使用 regex 删除不需要的字符，但我正在努力删除右括号 ] 。我怎样才能删除那些？我想我很接近了……

#the list to clean
list_strings = ['[ABC1: text1]', '[[DC: this is a text]]', '[ABC-O: potatoes]', '[[C-DF: hello]]']

#remove from [ up to : 
for string in list_strings:
  cleaned = re.sub(r'[\[A-Z\d\-]+:\s*', '', string)
  print(cleaned)

# current output

>>>text1]
>>>this is a text]]
>>>potatoes]
>>>hello]

期望的输出：

text1
this is a text
potatoes
hello

【参考方案1】：

以这种方式编写您的代码。在这里修复 OP 的尝试。您的正则表达式正在做所有事情，唯一的一点就是添加一个 OR 条件，我们可以在其中提及替换 1 次或多次出现的 ]。

import re
list_strings = ['[ABC1: text1]', '[[DC: this is a text]]', '[ABC-O: potatoes]', '[[C-DF: hello]]']
for string in list_strings:
  cleaned = re.sub(r'[\[A-Z\d\-]+:\s+|\]+$', '', string)
  print(cleaned)

【参考方案2】：

我会使用 rstrip() 和 split() 功能采用不同的正则表达式方法：

list_strings = ['[ABC1: text1]', '[[DC: this is a text]]', '[ABC-O: potatoes]', '[[C-DF: hello]]']

cleaned = [s.split(': ')[1].rstrip(']') for s in list_strings]
print(cleaned) # ['text1', 'this is a text', 'potatoes', 'hello']

【参考方案3】：

我会在这里使用列表推导：

list_strings = ['[ABC1: text1]', '[[DC: this is a text]]', '[ABC-O: potatoes]', '[[C-DF: hello]]']
cleaned = [x.split(':')[1].strip().replace(']', '') for x in list_strings]
print(cleaned)  # ['text1', 'this is a text', 'potatoes', 'hello']

【参考方案4】：

你可以使用

cleaned = re.sub(r'^\[+[A-Z\d-]+:\s*|]+$', '', string)

请参阅Python demo 和regex demo。

或者，要确保字符串以[[word: 开头并以]s 结尾，您可以使用

cleaned = re.sub(r'^\[+[A-Z\d-]+:\s*(.*?)\s*]+$', r'\1', string)

参见this regex demo 和this Python demo。

而且，如果你只是想提取里面的文本，你可以使用

# First match only
m = re.search(r'\[+[A-Z\d-]+:\s*(.*?)\s*]', string)
if m:
    print(m.group(1))

# All matches
matches = re.findall(r'\[+[A-Z\d-]+:\s*(.*?)\s*]', string)

请参阅 this regex demo 和 this Python demo。

详情

^ - 字符串开头 \[+ - 一个或多个 [ 字符 [A-Z\d-]+ - 一个或多个大写 ASCII 字母、数字或 - 字符 : - 冒号 \s* - 零个或多个空格 | - 或 ]+$ - 字符串末尾的一个或多个 ] 字符。

另外，(.*?) 是一个 ID 为 1 的捕获组，它匹配除换行符之外的任何零个或多个字符，尽可能少。替换中的\1指的是存储在这个组内存缓冲区中的值。