正则表达式删除\ u标点符号，但保留单（双）大写字符点

Question

我需要删除标点符号，但保留单大写字符一个点（如果它是人名的一部分：）：例如：在这个字符串中：

Michigan State President Samuel L. Stanley Jr. and Interim Provost Teresa Sullivan hosted a webinar Friday night, answering questions from returning MSU students.

我需要在L. Jr.上保留点

这将删除所有标点符号：

text = re.sub('[^A-Za-z0-9\s\n]+', '', text)

Answer 1

你可以用

text = re.sub(r'\b([A-Z][a-z]?\.)|_|[^\s\w]+', r'\1', text)

见regex demo

详细信息

• \b([A-Z][a-z]?\.)-单词边界，然后是组1：一个大写字母，后跟一个小写字母，然后是一个点（\1在替换模式中恢复结果中的文本，这样匹配的部分就不会从字符串中删除）
• |-或
• _-下划线
• |-或
• [^\s\w]+-1个或多个字符，而不是字母、数字、_和空格