python regex只保留以字母表开头并以[a-zA-Z0-9]继续的单词。

Question

鉴于这篇文章“嗨，a2a 3美容侯\se heyYou2"，我只想保留以字母开头并以A、A或数字继续的单词。这就是我想要的输出：“嗨，a2a heyYou2”。

到目前为止，我的解决方案通过text.split()函数：

text = "hey a2a 3beauty hou\se heyYou2"
text = text.split()
text = [w for w in text if re.search(r"^[a-zA-Z][a-zA-Z0-9]*$", w) is not None]
' '.join(text)

Out[55]: 'hey a2a heyYou2'

有没有一种快速，更有效，我可以使用regex实现这一点的方法，而不将文本拆分成一个单词列表？

Answer 1

您可以在以下正则表达式中使用单个re.sub调用：

\s*(?<!\S)(?![a-zA-Z][a-zA-Z0-9]*(?!\S))\S+

见regex演示

详细信息

• \s* - 0+白空间
• (?<!\S) -一个领先的空白边界
• (?![a-zA-Z][a-zA-Z0-9]*(?!\S)) -如果在当前位置的右侧立即有，则会导致匹配失败。
  • [a-zA-Z]一封信
  • [a-zA-Z0-9]* -0或更多字母数字字符
  • (?!\S) -尾随空格边界

​

• \S+ -一个或多个非空白字符

Python代码演示

import re
text = "hey a2a 3beauty hou\se heyYou2"
print(re.sub(r"\s*(?<!\S)(?![a-zA-Z][a-zA-Z0-9]*(?!\S))\S+", "", text))
# => hey a2a heyYou2