用 ascii 连字符“-”替换所有连字符类型

Question

有没有办法用简单的ascii“-”替换所有类型的连字符？ 我正在寻找适用于空间的类似内容：

txt = re.sub(r'[\s]+',' ',txt)

我相信一些非 ascii 的“-”连字符正在避免删除某些特定停用词（由连字符连接的项目名称）的正确过程：

我想用 AR-L1003 替换这个 AR-L1003'，但我想对整个文本都这样做。

Answer 1

您可以在一个类中列出这些连字符。这是一个可能的列表——根据您的需要进行扩展：

txt = re.sub(r'[‐᠆﹣－⁃−]+','-',txt)

标准的re库不支持\p语法来匹配unicode类别，但是如果可以导入regex，那就可以了：

import regex

txt = regex.sub(r'\p{Pd}+', '-', txt)