从字符串中删除大括号内（可能嵌套）的所有文本

Question

对于NLP项目，我希望对文本进行预处理，这些文本有时会在类似JSON的大括号中包含不需要的内容，例如：

Some useful content here {"contentId":"QI9GPST0AFB401","dimensions":{"large_desktop":[[120,60]]}} good stuff here {some other curly braces}

我所要做的就是删除大括号内的文本，并将其保留

Some useful content here good stuff here

复杂性似乎来自这样一个事实，即存在多组大括号，这会取消像this one这样的解决方案的资格，并且存在嵌套的大括号，这会取消像this one这样基于正则表达式的解决方案的资格

Answer 1

目前我无法尝试，但只要支架始终保持完全平衡，这应该会起作用

import re
def removeBracedContent(s):
    while ‘{‘ in s:
        if ‘}’ not in s:
            raise Exception( “The braces weren’t balanced - too many {” )
        s = re.sub(‘{[^{}]*}’,’’,s)
    if ‘}’ in s:
        raise Exception( “The braces weren’t balanced - too many }” )
    return s

这会重复删除最里面的匹配大括号，包括它们之间的任何文本，直到没有任何文本为止

如果大括号中的内容分布在多行上，则必须向re.sub-flags=re.DOTALL添加最后一个参数

Answer 2

在99%的情况下，regex将完成这项工作

import re

s = 'Some useful content here {"contentId":"QI9GPST0AFB401","dimensions":{"large_desktop":[[120,60]]}} good stuff here {some other curly braces}'

ss = re.sub(r'{[^}]*}*', '', s)

print(ss)

输出

Some useful content here  good stuff here 

Answer 3

这听起来是一个不错的求职面试问题：）

我只需要手动解析字符串：

def cleanString(dirty):
    clean = ""
    bad = 0

    for c in dirty:
        if c == '{':
            bad += 1
        elif c == '}':
            bad -= 1
        elif bad == 0:
            clean +=c

    return clean