正则表达式：如何在 python 中使用 re.sub() 将两个完全匹配组合成一个？

Question

我想将两行代码合二为一。

第一个是删除所有string.punctuations。我使用的代码如下：

df[col].apply(lambda x: re.sub(r'[!\"#$%&\'()*+,-.\/:;<=>?@[\\]^_`{|}~]+', '', x))

第二个是去掉一些特殊字符（我不知道如何表达这种像“’‘”这样的双引号；这些和普通的'""'引号不同）：

df[col].apply(lambda x: re.sub(r'[“’‘”]', '', x))

我想在一行代码中将它们全部删除。我试图简单地将第二个完全匹配添加到第一个，但事实证明第二个匹配没有在文本中删除。我想知道为什么以及如何有效地删除那些punctuations。

需要清理的示例文本可能是：

text = '“Client” refers to Client or “”any User uploads or otherwise supplies to, or stores in, the Services under Client’s account.'

Answer 1

根据您的回复，我相信这就是您正在寻找的答案：

import re
text = '“Client” refers to Client or “”any User uploads or otherwise supplies to, or stores in, the Services under Client’s account.'
re.sub(r'[^\w|^\d|^\s]+', '', text)

输出：

'Client refers to Client or any User uploads or otherwise supplies to or stores in the Services under Clients account'

替换所有字符，除了：

• ^\w 单词字符，例如 A-Z 和 a-z
• ^\d 位数
• ^\s空格

考虑到您的特殊字符列表的广度，这种排他过滤比包含过滤更有效。