Python - 使用正则表达式查找带有乱码的单词答案

【问题标题】：Python - use regex to find words with garbage charactersPython - 使用正则表达式查找带有乱码的单词
【发布时间】：2012-01-27 11:53:30
【问题描述】：

我有一个扫描文本，其中可能有一些乱码。垃圾字符通常既不是字母数字也不是标点符号。

我有以下正则表达式：

garbage_pat = re.compile(r"(\w*(?P<and>[^a-zA-Z0-9_ \t\n\r\f\v,.?!;:])+[\w(?P=and)]*)")

此正则表达式正确查找包含一个垃圾字符的单词。如果有两个或多个垃圾字符，则正则表达式正在拆分单词。例如 aut~mo¤il 将被分成两个词。当我的正则表达式包含两个或多个垃圾字符时，如何让我的正则表达式返回整个单词。

【问题讨论】：

【解决方案1】：

您似乎正在寻找这样的表达方式：

(\w*(?:[^a-zA-Z0-9_ \t\n\r\f\v,.?!;:]\w*)+)

【讨论】：