从 Python 列表中过滤非英语关键字答案

【问题标题】：Filter Non English Keywords from Python List从 Python 列表中过滤非英语关键字
【发布时间】：2018-10-11 03:16:37
【问题描述】：

我有以下 python 列表，

List= ['Images', 'Maps', 'Play', 'YouTube', 'News', 'Gmail', 'Drive', None, 
'Web History', 'Settings', 'Sign in', 'Advanced search', 'Language tools', 
'हिन्दी', 'বাংলা', 'తెలుగు', 'मराठी', 'தமிழ்', 'ગુજરાતી', 'ಕನ್ನಡ', 'മലയാളം', 
'ਪੰਜਾਬੀ', 'Advertising\xa0Programs', 'Business Solutions', '+Google', 
'About Google', 'Google.co.in', 'Privacy', 'Terms']

我想从这个列表中过滤掉非英语关键字，并希望我的最终列表看起来像这样，

List=['हिन्दी', 'বাংলা', 'తెలుగు', 'मराठी', 'தமிழ்', 'ગુજરાતી', 'ಕನ್ನಡ', 'മലയാളം','ਪੰਜਾਬੀ']

这可以用正则表达式完成吗？我使用 Python 3.x 感谢您的帮助！

【问题讨论】：

发布的问题似乎根本没有包含any attempt 来解决问题。 StackOverflow 期待您 try to solve your own problem first，因为您的尝试有助于我们更好地了解您想要什么。请编辑问题以显示您尝试过的内容，以说明您在minimal reproducible example 中遇到的特定问题。欲了解更多信息，请参阅How to Ask 并拨打tour。

标签： python regex list filter

【解决方案1】：

由于非英文字符都在 7 位 ASCII 范围以上，您可以测试每个单词中任何字符的序数是否在 127 以上并被str.isalpha() 视为字母表：

[w for w in List if w and any(ord(c) > 127 and c.isalpha() for c in w)]

使用您的示例输入，这将返回：

['हिन्दी', 'বাংলা', 'తెలుగు', 'मराठी', 'தமிழ்', 'ગુજરાતી', 'ಕನ್ನಡ', 'മലയാളം', 'ਪੰਜਾਬੀ']

【讨论】：

不错！这里的横向思维真的很棒。
一些非英语单词如果足够欧洲，可能会漏掉，例如。瑞典语“Öppen”（打开）。
@figbeam 确实。然后修复。
谁能分解这个列表理解？
@MasooriMenon 此列表解析执行以下操作：对于List 中的每个单词w，测试w 是否为真（因此不是空字符串），以及是否有任何字符w这个词中的c的序数大于127（因为英文字符都在128以下），被认为是字母（不包括标点符号和符号）。只有满足以上所有条件，列表理解才会将w 输出到列表中。

【解决方案2】：

在正则表达式中也是可行的。

import re

result = ["".join(re.findall("[^\u0000-\u05C0]",i)) for i in List if i is not None and re.findall("[^\u0000-\u05C0]",i)]

print (result)

结果：

['हिन्दी', 'বাংলা', 'తెలుగు', 'मराठी', 'தமிழ்', 'ગુજરાતી', 'ಕನ್ನಡ', 'മലയാളം', 'ਪੰਜਾਬੀ']

【讨论】：