用ascii连字符"-"替换所有破折号类型

Question

5

有没有办法用简单的ASCII字符“ - ”替换所有类型的连字符？我正在寻找像这样适用于空格的东西：

txt = re.sub(r'[\s]+',' ',txt)

我认为一些非ASCII的连字符“-”会影响正确地去除某些特定停用词（由连字符连接的项目名称）的过程。

例如，我想将AR–L1003替换为AR-L1003，但我希望对整个文本进行替换。

- DanielTheRocketMan

1

你能分享一下你想要替换的数据样本和期望的结果吗？ - ParvBanks

1

为什么不查找所有存在的连字符（https://en.wikipedia.org/wiki/Hyphen#Unicode），并将它们放入一个正则表达式 [ ]+ 中？ - trincot

@trincot 是的，那就是我的问题。我想知道是否有一种方法可以识别所有的连字符！也许没有！ - DanielTheRocketMan

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- trincot · Accepted Answer

你可以将这些连字符列在一个类中。以下是可能的列表 - 根据你的需要进行扩展：

txt = re.sub(r'[‐᠆﹣－⁃−]+','-',txt)

标准的re库不支持使用\p语法来匹配Unicode类别，但如果您可以导入regex，那么就有可能实现：

import regex

txt = regex.sub(r'\p{Pd}+', '-', txt)