去除文本中的相关连字符

Question

假设我有一段文本，内容是：

a = "我倾向于问简单的问题"

我想先提取出带有连字符的单词，也就是先判断文本中是否有连字符，这个比较简单。我可以用 re.match("\s*-\s*", a) 来检查句子里是否有连字符。

1) 接下来，我想提取出连字符前后的部分单词（在这个例子中，我想提取出 "inclin" 和 "ed"）。

2) 然后，我想把它们合并成 "inclined"，并打印出所有这样的单词。

我在第一步卡住了。请帮帮我。

Answer 1

试试这个正则表达式，它应该对你有帮助：

a = "I am inclin- ed to ask simple questions"

try:
    m = re.search('\S*\-(.|\s)\S*', a) #this will get the whole word, i.e "inclin- ed"
except AttributeError:
    #not found in a

print m

然后你可以把你的字符串去掉多余的部分，最后把它们作为一个数组提取出来。

Answer 2

>>> import re
>>> a = "I am inclin- ed to ask simple questions"
>>> result = re.findall('([a-zA-Z]+-)\s+(\w+)', a)
>>> result
[('inclin-', 'ed')]

>>> [first.rstrip('-') + second for first, second in result]
['inclined']

或者，你可以让第一个组保存这个单词，但不包括后面的-：

>>> result = re.findall('([a-zA-Z]+)-\s+(\w+)', a)
>>> result
[('inclin', 'ed')]
>>> [''.join(item) for item in result]
['inclined']

这样也可以处理字符串中的多个匹配项：

>>> a = "I am inclin- ed to ask simp- le quest- ions"
>>> result = re.findall('([a-zA-Z]+)-\s+(\w+)', a)
>>> [''.join(item) for item in result]
['inclined', 'simple', 'questions']