如何在正则表达式中检测阿拉伯语单词的单词边界 - Python
How to detect word boundary in regex for Arabic words - Python
我正在尝试删除任何可能包含非阿拉伯字符的词。因此，应该删除 ذهb 或 word 这样的词。
我已经使用以下正则表达式成功删除了非阿拉伯字符：
re.sub(r'([^،-٩]+)',' ', 'ذهb')
但是我怎样才能删除整个单词呢？在正则表达式前面加上 \b 似乎不起作用。
您可能想试试 ascii_letters。这应该有效。
import string
text = "".join([char for char in text if char not in string.ascii_letters]).strip()
return text
你可以使用
re.sub(r'\s*\b[\u0621-\u064A]*[^\W\d_\u0621-\u064A][^\W\d_]*\b', '', text)
\s*\b[\u0621-\u064A]*[^\W\d_\u0621-\u064A][^\W\d_]*\b 匹配
\s* - 零个或多个空格\b - 单词边界[\u0621-\u064A]* - 零个或多个阿拉伯字母[^\W\d_\u0621-\u064A] - 除了阿拉伯字母之外的任何 Unicode 字母[^\W\d_]* - 任意零个或多个 Unicode 字母\b - 单词边界
我正在尝试删除任何可能包含非阿拉伯字符的词。因此，应该删除 ذهb 或 word 这样的词。
我已经使用以下正则表达式成功删除了非阿拉伯字符：
re.sub(r'([^،-٩]+)',' ', 'ذهb')
但是我怎样才能删除整个单词呢？在正则表达式前面加上 \b 似乎不起作用。
您可能想试试 ascii_letters。这应该有效。
import string
text = "".join([char for char in text if char not in string.ascii_letters]).strip()
return text
你可以使用
re.sub(r'\s*\b[\u0621-\u064A]*[^\W\d_\u0621-\u064A][^\W\d_]*\b', '', text)
\s*\b[\u0621-\u064A]*[^\W\d_\u0621-\u064A][^\W\d_]*\b 匹配
\s*- 零个或多个空格\b- 单词边界[\u0621-\u064A]*- 零个或多个阿拉伯字母[^\W\d_\u0621-\u064A]- 除了阿拉伯字母之外的任何 Unicode 字母[^\W\d_]*- 任意零个或多个 Unicode 字母\b- 单词边界