Как сделать исключение для .isalnum()?
Я пытаюсь удалить нежелательные специальные символы из моей строки в списке, используя функцию .isalnum() в цикле по каждому символу в словах, и я использую условие для помещения исключения для символа апострофа для случаев, таких как «не могу ", "не было", "не будет". Но он также сохраняет этот символ для случаев, которые мне не нужны, таких как " ' ", " 'не могу", " 'привет' ". Есть ли способ сохранить только то, что символ находится в середине слов?
data_set = "Hello WOrld &()*hello world ////dog /// cat world hello can't "
split_it = data_set.lower().split()
new_word = ''
new_list = list()
for word in split_it:
new_word = ''.join([x for x in word if x.isalnum() or x == " ' "])
new_list.append(new_word)
print(new_list)
['привет', 'мир', 'привет', 'мир', 'собака', '', 'кошка', 'мир', 'привет', "не могу"]
Итак, вы не хотите удалять апостроф в can't?
@DeveshKumarSingh точно
@AKX Я уже обновил ожидаемый вывод словом «не могу»
Ответы 2
Если вы знаете все символы, которые вам не нужны, вы можете использовать .strip(), чтобы удалить их только в начале и в конце:
>>> words = "Hello WOrld &()*hello world ////dog /// cat world hello can't ".lower().split()
>>> cleaned_words = [word.strip("&()*/") for word in words]
>>> print(cleaned_words)
['hello', 'world', 'hello', 'world', 'dog', '', 'cat', 'world', 'hello', "can't"]
В противном случае вам, вероятно, понадобится регулярное выражение, которое соответствует любому символу, кроме тех, которые занесены в белый список, привязаны к началу или концу строки, а затем используйте re.sub() для их удаления:
>>> import re
>>> nonalnum_at_edge_re = re.compile(r'^[^a-z0-9]+|[^a-z0-9]+$', re.I)
>>> cleaned_words = [re.sub(nonalnum_at_edge_re, '', word) for word in words]
['hello', 'world', 'hello', 'world', 'dog', '', 'cat', 'world', 'hello', "can't"]
Вы можете использовать регулярное выражение, которое соответствует любому символу, который не является строчной буквой или цифрой, и либо перед ним (начало слова), либо после него (конец слова) нет такого символа:
import re
phrase = "Hello WOrld &()*hello world ////dog /// cat world hello can't "
regex = re.compile(r'(?<![a-z0-9])([^a-z0-9])|([^a-z0-9])(?![a-z0-9])')
print([re.sub(regex, '', word) for word in phrase.lower().split()])
Выход:
['hello', 'world', 'hello', 'world', 'dog', '', 'cat', 'world', 'hello', "can't"]
Это выглядит сложным регулярным выражением, не могли бы вы разбить его, пожалуйста
@DeveshKumarSingh Это в основном соответствует всем случаям, когда у вас есть что-то, что не является строчной буквой или цифрой, а также перед ней или после нее нет строчной буквы или цифры. Однако, вероятно, есть лучший способ сделать это; см. ответ АКХ.
Хорошо, что означают ?<! и ?!?
Мои познания в регулярных выражениях не так уж велики, но это, кажется, тоже работает: re.compile(r'(?<![a-z0-9])([^a-z0-9])'), что выглядит немного проще.
@DeveshKumarSingh Это отрицательные утверждения с просмотром назад и просмотром вперед (в основном, они говорят «сопоставьте меня, если это не появится передо мной» и «сопоставьте меня, если это не появится после меня».
Каков ваш ожидаемый результат?