如何在Python中使用正则表达式，以便代码将“PhD”和“Ph.D”视为同一个字符串

Question

我试着读一个csv文件的教员。我的目的是统计每一个标准化学位（如博士，博士，法学博士等）的频率文件。那个文件包含相同学位的不同变体（如博士、博士和博士）。在

到目前为止，我已经使用.lower.split()将文本转换成一个全小写的列表角色。但是该列表包含相同学位的不同版本，如（博士vsph.d vs ph.d.）。我如何解决此问题？在

Answer 1

要解决眼前的问题，还可以删除标点符号。在

.lower().replace('.', '')

Answer 2

您可以尝试使用re.findall和以下模式一起使用，以获得博士学位

s = 'Richard Feynman had a Ph.D. and Albert Einstein also had a phd'
print(len(re.findall('\\b(?i)ph\.?d\.?\\b', s)))

2

Demo

如果要将所有学位类型计数在一起，则仍可以使用一个regex模式对re.findall进行一次调用，并使用一个替换：

^{pr2}$

如果需要单独的计数，则可以单独调用re.findall。在

Answer 3

re.sub('[^a-zA-Z]','', degree.lower())