如何在python中过滤三重和双引号？

Posted 2023-03-24

【中文标题】如何在python中过滤三重和双引号？

【英文标题】：How to filter triple and double simple quotes in python?

【发布时间】：2016-10-21 16:04:45

【问题描述】：

我正在尝试清理文本以保留最多的字母、数字和最常用的标点符号。例如，我有时有 '''words''' 或 ''words'' 所以我想去掉那些多个简单的引号。 到目前为止，我选择使用两个正则表达式：

import re
tqre=re.compile('\'\'\'[^\']*\'\'\'') #for triple quotes
dqre=re.compile('\'\'[^\']*\'\'') #for "double" quotes

然后剥离每个匹配项：

res1=tqre.sub(self.quoteExtract,text)
res2=dqre.sub(self.quoteExtract,res1)

地点：

def quoteExtract(self,match):
    return match.group().strip("'")

看起来它适用于三引号，但我有很多双引号通过，似乎没有被抓住。是不是因为它们不是真正简单的引号，而是另一个相似的标志？有没有其他方法来处理它们？

例如：在* ''Esquisse d'une grammaire comparée de l'arménien classique'', 1903. 中找不到正则表达式。

【问题讨论】：

你有没有像'' hello '' world '' foo ''这样的输入？

它没有捕捉到它，因为您只匹配引号内的非 ' 字符，但是 d'une 等中有一个。

也许我遗漏了一些东西，但是如果你用双引号括起来你的 RE 不是更简单吗？像这样："'''[^']*'''"?

@cdarke 是的，拜托！ tqre = re.compile("'''[^']*'''")

【参考方案1】：

它没有通过，因为双引号之间有一个 ' (l'arménien)，但您正在尝试匹配 [^']*。

这种正则表达式最好使用lazy quantifier：

tqre = re.compile("'''.*?'''")
dqre = re.compile("''.*?''")

这里.*?表示匹配任何字符串，当有多个匹配时，选择最短的一个。

. = 除换行符以外的任何字符， * = 零个或多个， ? 后星 = 非贪婪匹配

【讨论】：

也称为最小匹配，可以应用于任何量词。

太好了，这完全解决了我的问题！有没有办法将问题标记为已解决？