我如何替换短语中的所有非单词，除了后面的数字或前面的字符？

Question

让我们来看看sentences的红宝石阵列。在数组中

1. 只包含单词的句子
2. 包含电话号码的句子
3. 含有测量单位的数值的句子
   • 在这种情况下，我们可能会有这样的东西：1mL、55mL、1 mL等等。

​

1. 包含以1x或5 x表示的数量的句子。

我试图为gsub或scan函数构造一个regexp，这样我就可以清理上面的sentences数组，只留下单词(1)、度量单位(3)和数量(4)，但是清除所有非单词字符，例如电话号码(2)和任何其他分隔字符(如\t )。

到目前为止，我有这样的想法：

sentences.map do |sentence|
  sentence.gsub!(/(?:(\d+)(?:[xX])|([xX])(?:\d+)[^a-zA-Z ])/, "")
end

不幸的是，这正好取代了我想要取代的东西。而且，它不考虑测量单位是我想要保存的情况。

示例输入和输出：

输入： Lavender top (6 mL size preferred)

输出： Lavender top (6 mL size preferred)

输入： Blood & bone marrow aspirate: 15 mL centrifuge tube with transport media. Available from Cytogenetics, 415-123-4567.

输出： Blood & bone marrow aspirate: 15 mL centrifuge tube with transport media. Available from Cytogenetics, .

输入： Gold top x1, Lt. Green top x 1, Lavender top x1

输出： Gold top x1, Lt. Green top x 1, Lavender top x1

因此，可以有效地替换数字和其他非alpha字符，但只有在数字不表示度量或数量的情况下才有效。

我已经玩了3个小时了，但都没有用。我想我可能完全误解了我的眼神，或者只是错过了一个关键时刻。

期待着雷杰普专家的参与！

Answer 1

这也许是一个开端：

input.map!{|x| x.gsub(/(?<!x\s|x)[\d-]+(?!\s?\w\w?)/i, '')}

#/(?<!x\s|x)[\d-]+(?!\s?\w\w)/i

# (?<!x\s|x) Dont match if after an x or x+space
# [\d-]+ Match digits (and other junk)
# (?!\s?\w\w) Make sure it is not followed by a two letter word. Here you could be more specific if it causes trouble.
# /expression/i make the thing case insensitive.

Answer 2

这适用于您的样本数据，但可能还有其他情况没有得到处理：

(?<!x\s?)\b[-.\d]+\b(?!\s*?ml)

正则表达式仅与示例数据中的415-123-4567匹配。