Python正则表达式删除括号中的注释或数字

Question

我正在尝试使用正则表达式删除行号和注释，但它目前还不起作用：

import re
string = """(1) At what time.!? [asdf] School-
(2) bus. So late, already.!? [ghjk]"""

#res = re.sub(r"[\(\[].*?[\)\]]", "", string)

res = re.sub("(\d+) ","", res)
res = re.sub("[.*]","", res)
res = re.sub(r"-\s","", res)
res = re.sub(r"[^\w\säüöß]","", res)
res = re.sub("-\n","", res)
print(res.split())

因此，我试图删除括号（）和[]中带有#注释行的任何内容，但随后我被困在每行开头的空白处。 然后我决定将其拆分，并提出了五种re.sub方法

结果应该是这样的：

['At', 'what', 'time', 'Schoolbus', 'So', 'late', 'already']

虽然行号在（）中并且应该消失，但我仍然无法删除它们。这会导致我的res.sub（）将单词和“-”从校车连接到校车时也无法正常工作

Answer 1

您可以使用此sub + findall解决方案：

import re

string = """(1) At what time.!? [asdf] School-
(2) bus. So late, already.!? [ghjk]"""

print (re.findall(r'\b\w+(?:-\w+)*', re.sub(r'(\([^)]*\)|\[[^]]*\]|-)\s*', '', string)))

输出：

['At', 'what', 'time', 'Schoolbus', 'So', 'late', 'already']

详细信息：

• re.sub(r'(\([^)]*\)|\[[^]]*\]|-)\s*', '', string)：删除所有(...)和[...]或-字符串，后跟0或更多空格
• \b\w+：匹配以单词边界开头的1+个单词字符