Python 3 正则表达式：删除所有标点符号，特殊单词模式除外

Question

我有这个文本模式 -ABC_ABC- 或 -ABC- 或 -ABC_ABC_ABC-

我的正则表达式模式：

([\-]+[A-Z]+(?:[\_]?[A-Z])+[\-]+)

我想删除除上述模式之外的所有字符串标点符号。我可以对这种情况使用正则表达式替换吗？

输入字符串：

Lorem Ipsum, simply dummy text -TOKEN_ABC-, yes!

预计：

Lorem Ipsum simply dummy text -TOKEN_ABC- yes

我已经用完了if方法，但是感觉效率不高，因为我每个字都要检查。

sentence_list=[]
for word in text:
    if re.match(r"([-][A-Z]+(?:[_]?[A-Z]*[-]))", word.text):
        sentence_list.append(word.text)
    else:
        text2 = re.sub(r"([^\w\s]|[\-_])", r"", word.text)
        sentence_list.append(text2)
return " ".join(sentence_list)

Answer 1

使用 regex 模块而不是 re 动词 (*SKIP)(*FAIL):

import regex
text = 'Lorem Ipsum, simply dummy text -TOKEN_ABC-, yes! '
res = regex.sub(r'-[A-Z]+(?:_[A-Z]+)*-(*SKIP)(*FAIL)|[^\w\s]+', '', text)
print (res)

输出：

Lorem Ipsum simply dummy text -TOKEN_ABC- yes

解释：

    -               # a hyphen
    [A-Z]+          # 1 or more capitals
    (?:             # non capture group
      _             # underscore
      [A-Z]+        # 1 or more capitals
    )*              # end group, may appear 0 or more times
    -               # a hyphen
    (*SKIP)         # forget the match
    (*FAIL)         # and fail
  |                 # OR
    [^\w\s]+        # 1 or more non word characters or spaces

Python 3 正则表达式：删除所有标点符号，特殊单词模式除外

Python 3 Regex: remove all punctuation, except special word pattern

python

regex

punctuation

python-3.x