如何在使用regex的中有一个特殊字符时，在单词之间添加一个空格？

Question

我有一个由评论组成的数据，在单词之间有特殊的字符。我想加一个空格。

例如,

星星之火( NLP -> Spark)NLP机器-学习->机器-学习

下面是我的数据

temp = spark.createDataFrame([
    (0, "This is 5years of Spark)world 5-6"),
    (1, "I wish Java-DL could use case-classes"),
    (2, "Data-science is  cool"),
    (3, "Machine")
], ["id", "words"])


+---+-------------------------------------+
|id |words                                |
+---+-------------------------------------+
|0  |This is 5years of Spark)world 5-6    |
|1  |I wish Java-DL could use case-classes|
|2  |Data-science is  cool                |
|3  |Machine                              |
+---+-------------------------------------+

我使用了下面的代码来完成这个任务，但是它不起作用。

temp_1 = temp.withColumn('words', F.regexp_replace('words', r'(?<! )(?=[.,!?()\/\-\+\'])|(?<=[.,!?()\/\-\+\'])(?! )', '$1 $2 $3'))

期望产出：

+---+-----------------------------------------+
|id |words                                    |
+---+-----------------------------------------+
|0  |This is 5years of Spark ) world 5 - 6    |
|1  |I wish Java - DL could use case - classes|
|2  |Data - science is  cool                  |
|3  |Machine                                  |
+---+-----------------------------------------+

Answer 1

您可以使用

\b[^\w\s]\b|_

代之以$0。见regex演示。

如果不认为下划线是一个特殊字符，只需使用\b[^\w\s]\b来匹配单词字符和空格字符之间的字符以外的任何字符。注意单词字符包括下划线。

如果两边都必须有字母或数字，请用(?<=[^\W_])[^\w\s](?=[^\W_])|_替换单词边界。只查找字母之间的特殊字符：(?<=[^\W\d_])[^\w\s](?=[^\W\d_])|_或(?<=\p{L})[^\w\s](?=\p{L})|_。