Python :删除所有未附加于单词的特殊字符和数字

Question

我试图删除python中的所有特殊字符和数字，除了直接附在单词上的数字。

我已经成功地为所有的特殊字符和数字附加和不附于文字的情况下，如何做到这样的方式，数字附加是不匹配的。

我所做的是：

import regex as re
string = "win32 backdoor guid:64664646 DNS-lookup h0lla"
re.findall(r'[^\p{P}\p{S}\s\d]+', string.lower())

我得到了输出

win后门guid DNS查找h

但我想要：

win32后门guid查找h0lla

演示：https://regex101.com/r/x4HrGo/1

Answer 1

要匹配字母数字字符串或只匹配字母单词，可以在re中使用以下模式

import re
# ...
re.findall(r'(?:[^\W\d_]+\d|\d+[^\W\d_])[^\W_]*|[^\W\d_]+', text.lower())

见regex演示。

详细信息

• (?:[^\W\d_]+\d|\d+[^\W\d_])[^\W_]*- - 1+字母后面跟着一个数字，或者1+数字后面跟着一个字母，然后是0+字母/数字
• | -或
• [^\W\d_]+ -任何1+ Unicode字母

注意到它等同于模式 由PJProudhon发布，它匹配任何1+字母数字字符块，其中至少有一个字母。

Answer 2

你可以试试\b\d*[^\W\d_][^\W_]*\b

分解：

\b       # word boundary
/d*      # zero or more digits
[^\W\d_] # one alphabetic character
[^\W_]*  # zero or more alphanumeric characters
\b       # word boundary

初学者：

[^\W]是典型的双否定结构。在这里，您希望匹配任何不是字母数字或_的字符(\W是对\w的否定，它匹配任何字母数字字符加上_ -公共等效[a-zA-Z0-9_])。

它揭示了在这里撰写以下文章很有用：

• 任何字母数字字符= [^\W_]匹配任何不是非字母数字或_且不是_的字符。
• 任何字母字符= [^\W\d_]都匹配不是非字母数字或_且不是数字(\d)且不是_的任何字符。

一些人进一步阅读了这里。

编辑：

当_也被认为是一个单词分隔符时，只需跳过单词边界就可以切换该字符，并使用\d*[^\W\d_][^\W_]*。

默认的贪婪星运算符将确保所有相关字符实际上是匹配的。

演示。

Answer 3

试一下这个RegEx：

([A-Za-z]+(\d)*[A-Za-z]*)

您可以从这里展开它，例如，在第一组和最后一组上翻转*和+来捕获字符串，比如"win32“和"01ex”。