正则表达式搜索删除单词

Question

我想删除段落中的前 4 个单词

原文：Mywebsite 21 12 34 have 10000 traffic

我想要的结果：have 10000 traffic

我有 1000 行与原始段落相同（Mywebsite 21 12 34 have 10000 traffic）

我有这样的正则表达式搜索代码：

下面的代码是从句子中删除第一个单词：

^\w+\s+(.*)  = replace with $1

以下代码将删除行中的所有数字：

[0-9 ]+  = replace with space

我想结合上面的代码，让一个正则表达式搜索代码按照我上面的解释工作，但不影响同一行的任何其他单词。

Answer 1

你可以使用

re.sub(r'^(\w+\s)[\d\s]+', r'\1', text)

见regex demo 模式将匹配

• ^ - 字符串开头
• (\w+\s) - 捕获组 1：一个或多个单词字符和一个空格
• [\d\s]+ - 1+ 个空格或数字字符。

Python demo:

import re
rx = re.compile(r"^(\w+\s)[\d\s]+")
s = "Mywebsite 21 12 34 have 10000 traffic"
print( rx.sub(r"\1", s) ) # => Mywebsite have 10000 traffic

Answer 2

如果你的行都是完全相同的格式，即如果你总是需要删除前 4 个单词，你可以做这样的事情，这比 RegEx 更容易理解：

# Iterate through all your lines
for line in lines:

    # Split the line string on spaces to create an array of words.
    words = line.split(' ')

    # Exclude the 4 first words and re-join the string with the remaining words.
    line = ' '.join(words[4:])

Answer 3

您尝试的模式^\w+\s+(.*) 匹配 1+ 个单词字符、1+ 个空白字符，然后匹配除换行符之外的任何字符，直到字符串末尾，这样将匹配整个字符串。

要删除第一个单词和后面的 3 次 2 数字，您可以使用：

^\s*\w+(?: \d{2}){3}\s*

• ^ 字符串开始
• \s* 匹配 0+ 个空白字符
• \w+ 匹配 1+ 个单词字符
• (?: \d{2}){3} 重复 3 次匹配一个空格和 2 个数字
• \s* 匹配 0+ 个空格字符

Regex demo | Python demo

请注意，\s 也匹配换行符。如果您只想匹配空格或制表符，您可以改用[ \t]。