Python正则表达式匹配标点符号拆分，但忽略某些单词

Question

假设我有下面的句子

Hi, my name is Dr. Who. I'm in love with fish-fingers and custard !!

我试图用正则表达式捕捉标点符号（撇号和连字符除外），但我也想忽略某些单词。例如，我忽略了Dr.，所以我不想捕捉到。用一句话来说

理想情况下，正则表达式应该捕获括号之间的文本：

Hi(, )my( )name( )is( )Dr.( )Who(. )I'm( )in( )love( )with( )fish-fingers( )and( )custard( !!)

请注意，我有一个Python列表，其中包含我想忽略的“Dr.”之类的词。我还使用string.percentration获取要在正则表达式中使用的标点字符列表。我尝试过使用消极前瞻，但它仍然捕捉到Dr.中的“.”。感谢您的帮助

Answer 1

你可以先扔掉所有的停止词（如“Dr.”），然后扔掉所有的字母（和数字）

import re

text = "Hi, my name is Dr. Who. I'm in love with fish-fingers and custard !!"
tmp = re.sub(r'[Dr.|Prof.]', '', text)
print(re.sub('[a-zA-Z0-9]*', '', tmp))

这样行吗

它将打印：

,      '    -   !!

输出是捕获问题中括号之间的文本