用正则表达式正确地剥离：char

Question

我想在python中获取文本字符串中的单词

s = "The saddest aspect of life right now is: science gathers knowledge faster than society gathers wisdom."

result = re.sub("\b[^\w\d_]+\b", " ",  s ).split()
print result  

我得到：

['The', 'saddest', 'aspect', 'of', 'life', 'right', 'now', 'is:', 'science', 'gathers', 'knowledge', 'faster', 'than', 'society', 'gathers', 'wisdom.']

如何在恰好包含:的字符串上获取“is”和“not”is:？ 我想用\b就足够了。。。你知道吗

Answer 1

我认为您打算将原始字符串传递给re.sub（注意r）。你知道吗

result = re.sub(r"\b[^\w\d_]+\b", " ",  s ).split()

退货：

['The', 'saddest', 'aspect', 'of', 'life', 'right', 'now', 'is', 'science', 'gathers', 'knowledge', 'faster', 'than', 'society', 'gathers', 'wisdom.']

Answer 2

您忘记将其设置为原始字符串文本（r".."）

>>> import re
>>> s = "The saddest aspect of life right now is: science gathers knowledge faster than society gathers wisdom."
>>> re.sub("\b[^\w\d_]+\b", " ",  s ).split()
['The', 'saddest', 'aspect', 'of', 'life', 'right', 'now', 'is:', 'science', 'gathers', 'knowledge', 'faster', 'than', 'society', 'gathers', 'wisdom.']
>>> re.sub(r"\b[^\w\d_]+\b", " ",  s ).split()
['The', 'saddest', 'aspect', 'of', 'life', 'right', 'now', 'is', 'science', 'gathers', 'knowledge', 'faster', 'than', 'society', 'gathers', 'wisdom.']

Answer 3

正如其他答案所指出的，您需要使用r定义一个原始字符串文本，比如：(r"...")

如果你想去掉句点，我相信你可以把正则表达式简化为：

result = re.sub(r"[^\w' ]", " ", s ).split()

正如您可能知道的，\w元字符会剥离字符串中任何不是a-z，a-z，0-9的内容

所以，如果你能预料到你的句子中不会有数字，那就应该做到这一点。你知道吗