是否可以使用正则表达式来删除文本中的小词？例如，我有以下字符串（文本）：
anytext = " in the echo chamber from Ontario duo "
我想删除所有不超过 3 个字符的单词。结果应该是：
"echo chamber from Ontario"
是否可以使用正则表达式或任何其他 python 函数来做到这一点？
谢谢。
【问题讨论】：
echo 添加到您的预期输出中，因为它短 4 个字符。 :-)
我认为这个简单的例子无论如何都不需要正则表达式...
' '.join(word for word in anytext.split() if len(word)>3)
【讨论】：
当然，也没有那么难：
shortword = re.compile(r'\W*\b\w{1,3}\b')
上面的表达式选择前面有一些非单词字符（基本上是空格或开头）的任何单词，长度在 1 到 3 个字符之间，并且在单词边界处结束。
>>> shortword.sub('', anytext)
' echo chamber from Ontario '
\b 边界匹配在这里很重要，它们确保您不会只匹配单词的前三个字符。
开头的\W* 允许您删除单词和前面的非单词字符，以便句子的其余部分仍然匹配。请注意，\W 中包含标点符号，如果您仅想要删除前面的空格，请使用\s。
不管怎样，这个正则表达式解决方案保留其余单词之间的额外空格，而 mgilson 的版本将多个空格字符折叠到一个空格中。不确定这对你是否重要。
他的列表理解解决方案是两者中更快的一个：
>>> import timeit
>>> def re_remove(text): return shortword.sub('', text)
...
>>> def lc_remove(text): return ' '.join(word for word in text.split() if len(word)>3)
...
>>> timeit.timeit('remove(" in the echo chamber from Ontario duo ")', 'from __main__ import re_remove as remove')
7.0774190425872803
>>> timeit.timeit('remove(" in the echo chamber from Ontario duo ")', 'from __main__ import lc_remove as remove')
6.4250049591064453
【讨论】：