使用 Regex 删除括号和其中的所有内容

Question

我在处理一些代码时遇到了一些麻烦。基本上，我有一些日本动漫的文字记录（txt 文件），为了做一些 NLP 实验，我想删除其中除了台词（日语句子）以外的所有内容。

我已经成功地完成了一些清理工作，但卡住的地方是括号。我列表中的大部分元素都以括号内的角色名称开头（即 (Armin)）。我想删除这些，但我在网上找到的所有正则表达式代码似乎都不起作用。

这是我正在使用的列表的片段：

['（アルミン）その日', '人類は思い出した', '（アルミン）奴らに', '支配されていた恐怖を', '（アルミン）鳥籠の中に', 'とらわれていた―', '屈辱を', '（キース）総員', '戦闘用意！', '目標は１体だ', '必ず仕留め―', 'ここを', '我々', '人類', '最初の壁外拠点とする！', '（エルヴィン）あっ…', '目標接近！', '（キース）訓練どおり５つに分かれろ！', '囮は我々が引き受ける！', '全攻撃班', '立体機動に移れ！', '（エルヴィン）全方向から', '同時に叩くぞ！', '（モーゼス）やあーっ！']

我已经尝试了以下代码（这是我所能得到的最接近的代码）：

no_parentheses = []

for line in mylist:

    if '(' in line:
        line = re.sub('\(.*\)','', line)
        no_parentheses.append(line)

    else:
        no_parentheses.append(line)

但是当我查看结果时，那些讨厌的括号仍然在我的列表中可笑。

有人可以提供解决此问题的建议吗？

再次感谢！

Answer 1

文中括号为全角括号。具体来说，U+FF08 全角左括号和 U+FF09 全角右括号。

您的正则表达式也应使用全角括号。

line = re.sub('（.*）','', line)

使用 Regex 删除括号和其中的所有内容

Removing parentheses and everything in them with Regex

regex

python-3.x

nlp

data-science

data-munging