Python 正则表达式 - 删除所有“。”和特殊字符，小数点除外

Posted 2023-03-29

【中文标题】Python 正则表达式 - 删除所有“。”和特殊字符，小数点除外

【英文标题】：Python Regex - remove all "." and special characters EXCEPT the decimal point

【发布时间】：2021-10-11 03:25:08

【问题描述】：

我有一些带有多个“.”的句子。

如何删除所有特殊字符和 '.'数据中除小数点外？

输入示例是

What? The Census Says It’s Counted 99.9 Percent of Households. Don’t Be Fooled.

我想删除所有“。” s 和特殊字符，小数点除外'。'

输出应该是这样的

What The Census Says Its Counted 99.9 Percent of Households Dont Be Fooled

我试过了，

regex = re.compile('[^ (\w+\.\w+)0-9a-zA-Z]+')
regex.sub('', test)

但是输出是

What The Census Says Its Counted 99.9 Percent of Households. Dont Be Fooled.

【问题讨论】：

您不能将组放在括号中。试试 '[^ .0-9a-zA-Z]+'。

【参考方案1】：

使用捕获组仅捕获十进制数字并同时匹配特殊字符（即不是空格和单词字符）。

替换时，只需参考捕获组，以便仅使用捕获的字符。 IE。如果存在，整个匹配将被删除并替换为十进制数。

s = 'What? The Census Says It’s Counted 99.9 Percent of Households. Don’t Be Fooled.'
import re
rgx = re.compile(r'(\d\.\d)|[^\s\w]')
rgx.sub(lambda x: x.group(1), s)
# 'What The Census Says Its Counted 99.9 Percent of Households Dont Be Fooled'

或

匹配除数字和除特殊字符外的所有字符之间存在的点之外的所有点，然后最后将这些匹配字符替换为空字符串。

re.sub(r'(?!<\d)\.(?!\d)|[^\s\w.]', '', s)
# 'What The Census Says Its Counted 99.9 Percent of Households Dont Be Fooled'
 

【参考方案2】：

您需要以下正则表达式：

[^ 0-9a-zA-Z](?!(?<=\d\.)\d)

或者，如果您需要一个完全支持 Unicode 的正则表达式：

(?:_|[^\s\w])(?!(?<=\d\.)\d)

请参阅regex demo。 详情：

[^ 0-9a-zA-Z] - 除空格、ASCII 字母或数字以外的任何一个字符 (?:_|[^\s\w]) - _ 字符或除空格和单词字符以外的任何一个字符 (?!(?<=\d\.)\d) - 如果当前位置的右侧有一个数字紧接在一个数字和一个点之前，则匹配失败。

见Python demo：

import re
s = 'What? The Census Says It’s Counted 99.9 Percent of Households. Don’t Be Fooled.'
print(re.sub(r'[^ 0-9a-zA-Z](?!(?<=\d\.)\d)', '', s))
# => What The Census Says Its Counted 99.9 Percent of Households Dont Be Fooled
print(re.sub(r'(?:_|[^\s\w])(?!(?<=\d\.)\d)', '', s))
# => What The Census Says Its Counted 99.9 Percent of Households Dont Be Fooled