正则表达式：删除斜线后的字符串，当它们超过一个单词时

Question

当字符串中有多个单词时，如何删除斜线后的字符串？具体来说，考虑以下字符串：

    0      1     2        0       1      2   3   
 CENTRAL CARE HOSPITAL/HOPITAL CENTRALE DE SOINS

斜杠后的所有字符都应删除，因为有 4 个单词（HOPITAL、CENTRALE、DE、SOINS）并且限制只有一个。那么结果是： CENTRAL CARE HOSPITAL

另一方面，我们有以下字符串：

   0     1     2    3  0
HAPPY SPRING BREAK 20/20

20这次必须保留，因为只是一个字(\b[A-Za-z0-9]\b)。然后，/ 斜线应替换为空 space。结果应如下所示： HAPPY SPRING BREAK 20 20

假设有以下测试集：

CENTRAL CARE HOSPITAL/HOPITAL CENTRALE DE SOINS
ELEMENTARY/INSTITUTION
FOUNDATION INSTITUTION/FUNDATION DEL INSTITUTO
HAPPY SPRING BREAK 20/20

结果应该如下：

CENTRAL CARE HOSPITAL
ELEMENTARY INSTITUTION
FOUNDATION INSTITUTION
HAPPY SPRING BREAK 20 20

总的来说，只保留斜线后面的字符串，当它是一个单词时，在斜线所在的位置添加一个space。否则，删除斜杠后的字符串

到目前为止我已经尝试过这个正则表达式，但没有用： (?:[\/])([A-Z0-9]*\b)(?!\b[A-Z]*)|[^\/]*$

谢谢

Answer 1

您可以使用

import re
rx = r'/(\w+(?:\W+\w+)+\W*$)?'
strs = ['CENTRAL CARE HOSPITAL/HOPITAL CENTRALE DE SOINS','ELEMENTARY/INSTITUTION','FOUNDATION INSTITUTION/FUNDATION DEL INSTITUTO','HAPPY SPRING BREAK 20/20']
for s in strs:
    print( re.sub(rx, lambda x: "" if x.group(1) else " ", s) )

参见Python demo online。输出：

CENTRAL CARE HOSPITAL
ELEMENTARY INSTITUTION
FOUNDATION INSTITUTION
HAPPY SPRING BREAK 20 20

正则表达式是 /(\w+(?:\W+\w+)+\W*$)?，参见 its online demo。它匹配：

/ - 斜杠
(\w+(?:\W+\w+)+\W*$)? - 匹配的可选捕获组#1
- \w+ - 1+ 个单词字符
- (?:\W+\w+)+ - 1+ 1+ 个非单词字符序列，后跟 1+ 个单词字符
- \W* - 零个或多个非单词字符
- $ - 字符串结尾。

正则表达式：删除斜线后的字符串，当它们超过一个单词时

Regex: remove strings after slash just when they are more than one word

python

regex

regex-negation

regex-group

regex-lookarounds