替换字符串中不需要的特殊字符，保留两个数字之间的特殊字符

Question

嗨，我在一个NLP项目，我需要从文本中识别实体/组织名称的工作。但是，字符串中的单词是用（216;：，）字符串联的，如下所示：

RING_LECO:108_.250X.436X.093V_772_520

我想按如下方式清理字符串：

Ring Leco 108 .250X.436X.093V 772_520

我们删除了两个单词之间的特殊字符（A-Z:A-Z，A-Z:0-9），但保留了772和520之间的uu符号

有没有办法让我这么做

Answer 1

这个正则表达式应该做到：

_([^0-9]?<=)|(?=[^0-9])_

在英语中：“下划线之前或之后不是数字”

？<；=也就是说，在之前的就是要捕获的组

？=意味着接下来的就是要捕获的组

Answer 2

尝试使用

(?<=\D)[_:,]|[_:,](?=\D)

\D表示非数字字符，因此模式匹配至少一侧具有非数字字符的特殊字符（_:,）

str = 'RING_LECO:108_.250X.436X.093V_772_520'
pattern = re.compile(r'(?<=\D)[_:,]|[_:,](?=\D)')
print(pattern.sub(' ', str))

输出：

RING LECO 108 .250X.436X.093V 772_520