python - 用于匹配除标点符号之外的所有非单词的正则表达式？

Question

对于这样的句子:

sent = "This i$s a s[[]ample sentence.\nAnd another <<one>>.
        \nMoreover, it is 'filtered'!"

我想得到:

"This is a sample sentence. And another one. Moreover, it is filtered."

因此，我认为使用 re.sub 应该是正确的选择。然而，RegEx 并没有按预期工作(就像它几乎总是那样^^)。

我的想法是使用 \W 匹配每个非单词，然后排除 [.,;!?] 以保留标点符号。我尝试过的最后一个正则表达式是:

re.sub(r"(\W[^\.\,\;\?\!])", "", sent)

不幸的是，[^\.\,\;\?\!] 确实匹配任何不包含 [.,;!?] 条目的内容，而不是简单地说“不要按字面意思匹配这些字符”。

如何从匹配中排除这些字符？

Answer 1

\W 需要集成到否定字符类中。 \W 与 [^\w] 相同，因此最终会得到 [^\w.,;!?] 。您应该重复此字符类，以便在一个步骤中匹配连续出现的情况 - [^\w.,;!?]+。

看来您还想保留空格，因此您应该将它们添加到您的字符类中。

深入研究您的问题，您还希望将换行符替换为空格，将 ! 替换为 .。这使其成为一个多步骤解决方案。首先过滤掉任何不需要的 [^\w.,;!?\n]+，在下一步中将 \n 替换为 ，将 ! 替换为 .。