python - 如何获取所有不包含数字的特定长度的单词？

Question

我有一个输入(包括unicode):

s = "问题1:a12是a的个数，b1是cầu thủ的个数"

我想获取所有不包含数字且超过 2 个字符的单词，期望输出:

['is', 'the', 'number', 'of', 'is', 'the', 'number', 'of', 'cầu', 'thủ'].

我试过了

re.compile('[\w]{2,}').findall(s)

得到了

'Question1', 'a12', 'is', 'the', 'number', 'of', 'b1', 'is', 'the', 'number', 'of', 'cầu', 'thủ'

有什么办法可以只得到没有数字的单词吗？

Answer 1

你可以使用

import re
s = "Question1: a12 is the number of a, b1 is the number of cầu thủ"
print(re.compile(r'\b[^\W\d_]{2,}\b').findall(s))
# => ['is', 'the', 'number', 'of', 'is', 'the', 'number', 'of', 'cầu', 'thủ']

或者，如果您只想限制为最少 2 个字母的 ASCII 字母词:

print(re.compile(r'\b[a-zA-Z]{2,}\b').findall(s))

参见 Python demo

详情

• 要仅匹配字母，您需要使用 [^\W\d_](或 r'[a-zA-Z] 仅 ASCII 变体)
• 要匹配整个单词，你需要单词边界，\b
• 为确保您定义的是单词边界而不是正则表达式模式中的退格字符，请使用原始字符串文字 r'...'。

因此，r'\b[^\W\d_]{2,}\b' 定义了一个匹配单词边界、两个或更多字母的正则表达式，然后断言没有这两个字母之后的单词 char。