从字符串中移除长度小于4的单词

Question

我想从一个字符串中去掉长度小于4的单词。

我使用了这个正则表达式：

 re.sub(' \w{1,3} ', ' ', c)

虽然这个方法能去掉一些单词，但当有2到3个长度小于4的单词连在一起时，它就失效了。比如：

 I am in a bank.

它给我的结果是：

 I in bank. 

我该怎么解决这个问题呢？

Answer 1

Martijn回答了这个问题，但我想解释一下为什么你的正则表达式不管用。这个正则表达式 ' \w{1,3} ' 的意思是：先匹配一个空格，然后是1到3个字母或数字，再后面再跟一个空格。字母 I 没有被匹配到，因为它前面没有空格。而 am 被替换掉了，接着正则表达式引擎从下一个没有匹配到的字符开始查找，也就是 in 里的 i。它没有看到 in 前面的空格，因为那个空格是替换时加上的。所以，它找到的下一个匹配是 a，这就产生了你的输出结果。

Answer 2

如果你想要一个替代正则表达式的方法：

new_string = ' '.join([w for w in old_string.split() if len(w)>3])

Answer 3

不要加空格；使用 \b 这个词边界锚点来代替：

re.sub(r'\b\w{1,3}\b', '', c)

这样可以完全去掉长度不超过3个字符的单词：

>>> import re
>>> re.sub(r'\b\w{1,3}\b', '', 'The quick brown fox jumps over the lazy dog')
' quick brown  jumps over  lazy '
>>> re.sub(r'\b\w{1,3}\b', '', 'I am in a bank.')
'    bank.'