正则表达式匹配除复合词连字符以外的非Alpha字符

Question

Python3.6的正则表达式。我试图删除非字母字符，但我想不匹配复合词中的连字符。这是我的模式：

[^\sA-Za-z\u00C0-\u00FF\u0153\u0152-]|(?=\W)-(?<=\W)

例如，对于- word-word，我想匹配第一个，但不是第二个，但是我的模式两者都匹配。你知道吗

Answer 1

在Python3.6中，您可以使用一种技术来匹配和捕获您需要保留的内容（字母之间的-可以与[^\W\d_]-(?=[^\W\d_])匹配），并且只匹配您需要删除的内容（所有非字母数字或您定义的任何字符）。你知道吗

因此，示例re.sub如下所示

re.sub(r'([^\W\d_]-)(?=[^\W\d_])|[^\sA-Za-z\u00C0-\u00FF\u0153\u0152]', r'\1', s)

或者

re.sub(r'([^\W\d_]-)(?=[^\W\d_])|(?:[^\w\s]|_)', r'\1', s)

在哪里

• ([^\W\d_]-)(?=[^\W\d_])-任意字母和-后跟任意字母（允许连续匹配是正向的，如a-b-c）
• |-或
• (?:[^\w\s]|_)-匹配任何单个非单词和非空白字符或_。你知道吗

r'\1'是一个替换的backreference，一个占位符，它引用组1中的内容，并将其插入到结果字符串中。你知道吗

参见regex demo。你知道吗

在3.5之前的Python版本中，需要使用lambda作为替换参数来检查组1是否匹配：

re.sub(r'([^\W\d_]-)(?=[^\W\d_])|(?:[^\w\s]|_)', lambda x: x.group(1) if x.group(1) else '', s)

另一个可能的解决办法是

re.sub(r'(?!\b-\b)(?:[^\w\s]|_)', '', s)

参见regex demo。在这里，由于使用了\b单词边界，用单词字符括起来的-将不会匹配（但即使用下划线括起来，也会避免匹配-）。你知道吗