用正则表达式去除标点符号 - python

Question

我想去除字符串开头和结尾的所有标点符号（点除外），但不去除字符串的中间部分。

例如对于原始字符串：

@#%%.Hol$a.A.$%

我想从单词的结尾和开头而不是从单词的中间删除单词 .Hol$a.A.。

另一个例子可能是字符串：

@#%%...&Hol$a.A....$%

在这种情况下，返回的字符串应该是..&Hol$a.A....，因为我们不关心允许的字符是否重复。

想法是删除单词开头和结尾的所有标点符号（点除外）。一个词定义为\wand/or一个.

一个实际的例子是字符串'Barnes&Nobles'。对于文本分析，将 Barnes&Nobles 识别为单个实体很重要，但没有 '

如何使用 Regex 实现目标？

Answer 1

根据你对标点符号进行条带化的含义，你可以修改以下代码：

import re
res = re.search(r"^[^.]*(.[^.]*.([^.]*.)*?)[^.]*$", "@#%%.Hol$a.A.$%")
mystr = res.group(1)

这将去除表达式中点前后的所有内容。警告，如果字符串不匹配，您将必须检查 None 的结果是否不同。

Answer 2

使用这个简单易用的正则表达式：

[\w.].*[\w.]

它将完全匹配您想要的结果，仅此而已。

要更改分隔符，只需更改 [] 括号内的允许字符集即可。

import re
data = '@#%%.Hol$a.A.$%'
pattern = r'[\w.].*[\w.]'
print(re.search(pattern, data).group(0))
# Output: .Hol$a.A.

Strip punctuation with regular expression - python