如何在Python中过滤三重和双重简单引号？

Question

我正在努力清理一个文本，以保留最多的字母，数字和最常见的字体标记。例如，我有时有“words”或“words”，所以我想去掉那些简单的引号。 到目前为止，我选择使用两个正则表达式：

import re
tqre=re.compile('\'\'\'[^\']*\'\'\'') #for triple quotes
dqre=re.compile('\'\'[^\']*\'\'') #for "double" quotes

然后剥去每一根火柴：

res1=tqre.sub(self.quoteExtract,text)
res2=dqre.sub(self.quoteExtract,res1)

其中：

def quoteExtract(self,match):
    return match.group().strip("'")

它看起来很适合三重引号，但我有许多双简单引号通过，似乎他们没有抓住。是不是因为它们不是简单的引语，而是另一个相似的符号？有没有别的办法来对付他们？你知道吗

例如：在* ''Esquisse d'une grammaire comparée de l'arménien classique'', 1903.中找不到regex。你知道吗

Answer 1

它不会通过，因为在双引号之间有一个'（l'arménien），但是您正在尝试匹配[^']*。你知道吗

这种正则表达式最好用lazy quantifier表示：

tqre = re.compile("'''.*?'''")
dqre = re.compile("''.*?''")

这里.*?表示匹配任何字符串，当有多个匹配项时，选择最短的一个。你知道吗

• .=除新行以外的任何字符
• *=零或更多
• ?在star=非贪婪匹配之后