Python正则表达式：替换子字符串的多种可能性

Question

我想删除字符串 caption 中的指标 Fig 1.，其中 caption 可能是：

# each line is one instance of caption
"Figure 1: Path of Reading Materials from the Web to a Student."
"FIGURE 1 - Travel CP-net"
"Figure 1 Interpretation as abduction, the big picture."
"Fig. 1. The feature vector components"
"Fig 1: IMAGACT Log-in Page"
"FIG 1 ; The effect of descriptive and interpretive information, and Inclination o f Fit"
...

我试过caption = re.sub(r'figure 1: |fig. 1 |figure 1 -', '', caption, flags=re.IGNORECASE)，但看起来很乱：我真的需要手动列出所有可能性吗？是否有任何元素重新编码来匹配它们？

非常感谢！

Answer 1

您可以使用可选部分来匹配 ure，并使用可选字符 class 来匹配 :、.、; 或 -

如果要匹配除 1 以外的其他数字，请使用 \d+

\bfig\.?(?:ure)? 1[^\S\r\n]*[:.;–-]?

\bfig 匹配前面有单词边界的 fig
\.? 匹配一个可选的点
(?:ure)? 可选匹配 ure
1匹配一个space和1
[^\S\r\n]* 匹配出现 0 次以上的白色 space 字符，换行符除外
[:.;–-]? 可选地匹配字符 class

Regex demo | Python demo

示例代码也匹配字符 class 之后的白色 space:

caption = re.sub(r'\bfig\.?(?:ure)? 1[^\S\r\n]*[:.;–-]?[^\S\r\n]', '', caption, flags=re.IGNORECASE)

Python正则表达式：替换子字符串的多种可能性

Python Regex: replace multiple possibilities of substring

python

regex

string

replace

str-replace