python中的正则表达式：删除带有括号的括号

Question

我有一个维基词典，正在努力寻找合适的正则表达式模式来删除表达式中的双括号。以下是表达式的示例：

line = "# Test is a cool word {{source|{{nom w pc|Chantal|Bouchard}}, ''La langue et le nombril'', Presses de l'Université de Montréal (PUM), 2020, p. 174}}."

我希望删除所有以 {{source|:

开头的括号

例如：# Test is a cool word.

我尝试使用 re.sub 像这条线 = re.sub("{{source\|.*?}}", "", line )

但我得到了# Test is a cool word, ''La langue et le nombril'', Presses de l'Université de Montréal (PUM), 2020, p. 174}}.

我也可以有这样的句子line = "# Test is a cool word {{source|Nicolas|Daniel, Presses de l'Université de Montréal 4}}"

感谢您的帮助！

Answer 1

您可以安装 PyPi 正则表达式库（在终端/控制台中输入 pip install regex 并按 ENTER），然后使用

import regex
rx = r"\s*{{source\|(?>[^{}]|({{(?:[^{}]++|(?1))*}}))*}}\s*"
line = "# Test is a cool word {{source|{{nom w pc|Chantal|Bouchard}}, ''La langue et le nombril'', Presses de l'Université de Montréal (PUM), 2020, p. 174}}."
print( regex.sub('', line) )
# => # Test is a cool word.

请参阅Python demo。 正则表达式是

\s*\{\{source\|(?>[^{}]|(\{\{(?:[^{}]++|(?1))*}}))*}}\s*

请参阅regex demo。详情：

• \s* - 零个或多个空格
• {{source\| - 文字 {{source| 字符串
• (?>[^{}]|({{(?:[^{}]++|(?1))*}}))* - 零次或多次重复：
  • [^{}] - { 和 } 以外的字符
  • | - 或
  • ({{(?:[^{}]++|(?1))*}}) - 第 1 组（递归是必需的）：{{，除 {{ 和 }} 或第 1 组递归之外的任何一个或多个字符出现零次或多次，然后是 }}字符串
• }} - }} 字符串
• \s* - 零个或多个空格。

Answer 2

.*?}} 子表达式将找到以}} 结尾的最短可能字符串。如果你想跳过成对的{{...}}，你必须这样说。

re.sub(r"\{\{source\|(?:\{\{.*?\}\})*.*?\}\}", "", line)

还请注意，如果您想扩展它以处理其他级别的嵌套，您也必须明确说明；正则表达式确实不是处理嵌套结构的适当工具，尤其是不是任意嵌套结构。 （这是common FAQ.）

Answer 3

您可以不使用正则表达式并涵盖所有级别的嵌入式元数据。

line = "# Test is a cool word {{source|{{nom w pc|Chantal|Bouchard}}, ''La langue et le nombril'', Presses de l'Université de Montréal (PUM), 2020, p. 174}}."

from itertools import accumulate
levels = accumulate( (c=="{")-(p=="}") for c,p in zip(line," "+line) )
result = "".join(c for c,level in zip(line,levels) if level==0)

print(result)
# Test is a cool word .

这会计算嵌入的增量“级别”，每个“{”都会上升，每个“}”会下降。零级字符是实际文本的一部分，其他所有字符都被排除在外。

Answer 4

您可以使用以下正则表达式来获得所需的答案。

\W+{{source\|.*}}

代码将是，

re.sub("\W+{{source\|.*}}", "", line )

除了?，正则表达式与问题中的几乎相同。删除? 使其尽可能多次匹配.。

此外，要删除{{}} 之前的空格，请添加\W+。