删除Python中[quote=和[/quote]之间的文本

Question

我正在读取一个用于应用NLP的csv文件，并试图对数据进行预处理。我已经收到了一个在线论坛的数据，因此，有它的报价。怎么才能把它们移走？作为一个例子；

a='[b]Re:[/b] 
[quote="xxx"] How can I do that blah blah xxx [/quote]
 Hello xxx, I will tell you how you can do it blah blah blah.'

我想要下面的表格；

A=‘你好xxx，我会告诉你怎么做的。’

我想要regex检测[quote=“并开始删除直到它看到/quote。这有可能吗？”

我试过了，但没有用。

  def quotes(text):
   return re.sub('\[([^\]=]+)(?:=[^\]]+)?\].*?\[\/\\1\]', '', text)

  data['message'] = data['message'].apply(quotes)

Answer 1

答案其实太简单了，

def quotes(text):
 return re.sub(r'\[quote.+quote\]','',text)
data['message'] = data['message'].apply(quotes)

就是这样。

Answer 2

以下是一个似乎行之有效的解决方案：

a = '[b]Re:[/b] [quote="xxx"] How can I do that blah blah xxx [/quote] Hello xxx, I will tell you how you can do it blah blah blah.'
output = re.sub('\[([^\]=]+)(?:=[^\]]+)?\](.*?)\[\/\\1\]', '\\2', a)
print(output)

这些指纹：

Re:  How can I do that blah blah xxx  Hello xxx, I will tell you how you can do it blah blah blah.

regex模式有点冗长，但它所做的只是匹配每一组标记，例如[quote="xxx"]...[/quote]，删除它们，然后用标记中的任何内容替换。

\[([^\]=]+)(?:=[^\]]+)?\]  match an opening tag, and capture the tag name in \1
(.*?)                      match and capture in \2 all the content
\[\/\\1\]                  match a closing tag, using the backreference \1

注意，默认情况下，re.sub会进行全局替换，因此，一旦我们有了一组标记的工作模式，它就可以在任何地方应用。

编辑：

如果您实际上希望匹配并删除整个标记及其内容，请使用以下命令：

output = re.sub('\[([^\]=]+)(?:=[^\]]+)?\].*?\[\/\\1\]', '', a)
print(output)

这些指纹：

Hello xxx, I will tell you how you can do it blah blah blah.