我正在处理文本模式问题。我有以下输入 -
term = 'CG-14/0,2-L-0_2'
我需要从输入项中删除所有可能的标点符号(定界符)。基本上我需要输入项的以下输出 -
'CG1402L02'
在删除分隔符之前,我还需要存储(以任何格式(对象、字典、元组等))分隔符和分隔符的位置。
输出示例(如果以元组形式返回)-
((-,2), (/,5), (,,7), (-,9), (-,11), (_,13))
我能够使用以下 python 代码获得输出 -
re.sub(r'[^\w]', '', term.replace('_', ''))
但是如何在删除分隔符之前存储分隔符和分隔符位置(以最有效的方式)?
最佳答案
您可以简单地遍历 term
并在途中收集所有必要的信息:
from string import ascii_letters,digits
term = 'CG-14/0,2-L-0_2'
# defined set of allowed characters a-zA-Z0-9
# set lookup is O(1) - fast
ok = set(digits +ascii_letters)
specials = {}
clean = []
for i,c in enumerate(term):
if c in ok:
clean.append(c)
else:
specials.setdefault(c,[])
specials[c].append(i)
cleaned = ''.join(clean)
print(clean)
print(cleaned)
print(specials)
输出:
['C', 'G', '1', '4', '0', '2', 'L', '0', '2'] # list of characters in set ok
CG1402L02 # the ''.join()ed list
{'-': [2, 9, 11], '/': [5], ',': [7], '_': [13]} # dict of characters/positions not in ok
参见:
你可以使用
specials = []
在迭代中:
else:
specials.append((c,i))
获取元组列表而不是字典:
[('-', 2), ('/', 5), (',', 7), ('-', 9), ('-', 11), ('_', 13)]
关于python - 在 python 中替换它们之前存储定界符和定界符位置,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53565103/