编写正则表达式以获取特定字符后的所有单词

Question

我有一个文件，其中所有行的格式都是title - news_source。我想用（空白）替换标题后面的所有字符

到目前为止，我只有\s-\s的模式，但不知道为新闻来源编写什么模式

有人能指导我完成为新闻来源编写正则表达式的过程吗。谢谢

Answer 1

您可以匹配\s-\s.*并替换为空字符串

\s也可以匹配换行符。如果要匹配不带换行符的空白字符，还可以使用[^\S\r\n]-[^\S\r\n].*

import re    

s = ("title - news_source\n"
            "Airbnb stock has 15% upside after an 'impressive' earning report, says BofA - Business Insider")
result = print(re.sub(r"\s-\s.*", " ", s))

输出

title
Airbnb stock has 15% upside after an 'impressive' earning report, says BofA

---

如果字符串开头至少应有一个非空白字符\S，则可以使用捕获组，并在替换中使用组后跟空格

re.sub(r"^(\S.*)[^\S\r\n]-[^\S\r\n].*", r"\1 ", s)

Regex demoPython demo

Answer 2

如果只想匹配news_source，可以执行以下操作：

\w+_\w+

• \w：将匹配任何字母数字字符
• \u：将匹配下划线（\u0）
• +：将确保至少有一个此类字符的

因此正则表达式将匹配包含以下内容的任何字符串：

at least one alphanumeric character, followed by an underscore, followed by at least one aplhanumeric character.

但是，我想它并不总是包含下划线。 如果您只想匹配“-”后面的任何内容，但只想获得空格后面的内容，则可以创建一个捕获组：

\-\s(w+)

这将匹配- 之后的任何内容，并且捕获所有字母数字字符，如果至少有一个字母数字字符！ 在您的情况下，它将与- news_source匹配，并捕获news_source

但是，如果它是一个更复杂的字符串，例如：Title - new source _ with : some , very weird "format"，并且您确实希望在- 之后获取所有内容，那么您将使用：

\-\s(.+)

它将捕获：new source _ with : some , very weird "format"。 其中.将匹配除换行符（\n和\r）之外的任何字符

我不确定您在python中使用什么来计算正则表达式，但您应该检查如何从匹配中提取捕获组

编辑：

在你的反应之后，我现在看到你想要简单地去除源代码。那是我的错

在这种情况下：

(.+)\s-

这将捕获标题（在 -之前的所有内容）。 我希望以上所有表达的解释足以理解这个表达的确切含义。简而言之：它捕获模式 -之前的所有内容

我将把剩下的例子也留在这里，除非人们想让我把它们删除以便于澄清