python - 使用 python 正则表达式删除除组合为字符串的数字之外的所有数字

Question

尝试使用正则表达式函数删除单词、空格、特殊字符和数字，但不删除与单词/字符串组合的字符。例如

ORIGIN
    1 malwmrllp1 lallalwgpd paaafvnghl cgshlvealy lvcgergffy tpktrreaed
    61 lqvgqvelgg gpgagslqpl alegslqkrg iveqcctsic slyqlenycn

//

\W+ 删除 malwmrll1 中包括 1 在内的所有数字

import re

text_file = open('mytext.txt').read()
new_txt = re.sub('[\\b\\d+\\b\s*$+\sORIGIN$\W+]', '', text_file)

print(new_txt, len(new_txt))

我的输出是:

malwmrllplallalwgpdpaaafvnghlcgshlvealylvcgergffytpktrreaedlqvgqvelgggpgagslqplalegslqkrgiveqcctsicslyqlenycn 109

所需的输出应为:malwmrll1plallalwgpdpaaafvnghlcgshlvealylvcgergffytpktrreaedlqvgqvelgggpgagslqplalegslqkrgiveqcctsicslyqlenycn 110

Answer 1

正确，根据您想要的结果是否显示下划线，尝试使用 re.findall 和原始字符串表示法。您当前使用的字符类没有意义:

---

\b(?!(?:ORIGIN|[_\d]+)\b)\w+

在线查看demo

---

• \b - 字边界；
• (?!(?:ORIGIN|[_\d]+)\b) - 带有嵌套非捕获组的负向前瞻，以匹配 ORIGIN 或 1 + 尾随字边界之前的下划线/数字组合；
• \w+ - 1 个以上单词字符。

---

import re
  
text_file = """ORIGIN
    1 malwmrllp1 lallalwgpd paaafvnghl cgshlvealy lvcgergffy tpktrreaed
    61 lqvgqvelgg gpgagslqpl alegslqkrg iveqcctsic slyqlenycn

//"""

new_txt=''.join(re.findall(r'\b(?!(?:ORIGIN|[_\d]+)\b)\w+', text_file))    
print(new_txt, len(new_txt))

打印:

malwmrllp1lallalwgpdpaaafvnghlcgshlvealylvcgergffytpktrreaedlqvgqvelgggpgagslqplalegslqkrgiveqcctsicslyqlenycn 110