Python：用条件去掉标点符号

【问题标题】：Python: Get rid of punctuation marks with conditionPython：用条件去掉标点符号
【发布时间】：2018-11-19 12:06:35
【问题描述】：

我可以用这一行去掉我的数据框中的标点符号：

df[column_name].replace(r'[^\s0-9a-zA-Z]+', r'', regex=True, inplace=True)

但我想保留一些例外情况，例如：

我不想将 15,00 转换为 1500。如果文本中有逗号，我想保留它。有没有一种简单的方法可以做到这一点。谢谢你。

【问题讨论】：

输入数据是什么，预期输出是什么？
是什么让 15,00 与众不同？
"如果文本内有逗号"：在文本内，还是在数字内？如果逗号后面有一个空格，例如总结：“从数字 10、20、30、40 或 50 中选择”怎么办？
感谢您的回复。是的，我想要的情况是数字之间的逗号，它不应该只考虑带逗号的那些，就像我上面给出的例子一样。

标签： python regex database ascii

【解决方案1】：

如果您附加 (?<!\d,(?=\d)) 后视，则在使用模式时可以避免在数字之间匹配逗号：

r'[^\s0-9a-zA-Z](?<!\d,(?=\d))'
                ^^^^^^^^^^^^^^

见regex demo

简而言之，[^\s0-9a-zA-Z] 匹配除空格和 ASCII 字母或数字之外的任何字符。如果紧邻当前位置的左侧有一个数字 , 并且紧邻 , 的右侧有一个数字，则 (?<!\d,(?=\d)) 后视失败匹配。后向内的前瞻是必要的，以确保逗号在后向中“映射”到 [^\s0-9a-zA-Z] 模式。

此外，如果您使用(?<!\d(?=,\d))[^\s0-9a-zA-Z]，还有一种方法可以在匹配否定字符类之前执行此检查，请参阅demo。但是，这种方法的成本要高得多，因为后视不会“锚定”在任何文本或零宽度断言上。

【讨论】：