Python 正则表达式：去除数字和带标点的数字

Question

我有以下字符串：

 line = "1234567 7852853427.111 https://en.wikipedia.org/wiki/Dictionary_(disambiguation)"

我希望使用正则表达式删除数字1234567和7852853427.111。

这是我的正则表达式：

nline = re.sub("^\d+\s|\s\d+\s|\s\d\w\d|\s\d+$", " ", line)

但它并没有做我希望它做的事情。

有人能指引我走正确的方向吗？

- Morpheus

---

关于为什么你的尝试没有成功，我有一些松散的评论：起始锚点似乎是正确的，但结束锚点不正确。它远远不是字符串的结尾！此外，所有这些 | 将整个正则表达式分成不同的部分 - 也就是说，第一部分匹配字符串的开头，但第二部分却不匹配。你可能需要阅读一下如何使用括号创建组。 - Jongware

这个字符串是从哪里来的？是HTML解析吗？ - alecxe

目前大部分的建议都或多或少地删除了字符串中的每个数字序列。您能否合理地确定要保留的部分中永远不会有数字？删除“前两个单词”怎么样？或者“在http://之前的所有内容”？您的标题提到了标点符号，那么开头的1..2应该被删除吗？ - Jongware

如果您的正则表达式要求不是很严格，最好使用内置解决方案。对于当前行 line.split()[-1]，这种方式更容易。 - godaygo

@RadLexus 我认为URL中会有数字。 - Morpheus

Answer 1

您可以使用：

>>> line = "1234567 7852853427.111 https://en.wikipedia.org/wiki/Dictionary_(disambiguation)" 
>>> print re.sub(r'\b\d+(?:\.\d+)?\s+', '', line)

https://en.wikipedia.org/wiki/Dictionary_(disambiguation)

正则表达式 \b\d+(?:\.\d+)?\s+ 可以匹配一个整数或小数，后面跟着1个或多个空格。其中 \b 表示单词边界。

- anubhava

---

一个起始锚点会更加安全 :) - Jongware

\b 可以工作，但 ^ 不行，因为 7852853427.111 不在开头。 - anubhava

啊，因为你是单独考虑每个数字的。我在想为什么 - 或许OP需要澄清或添加多个示例。我实际上想到了一些简单的东西，比如 ^[\d.\s]+ ... - Jongware

@RadLexus认为这个解决方案会剥离URL中出现的数字。我需要URL中的数字保持完整。 - Morpheus

@Morpheus：现在试试我的更新答案。它不应该影响URL中的数字。 - anubhava

Answer 2

这里提供了一种非正则表达式的方法，如果你对正则表达式没有特别严格的要求，可以使用itertools.dropwhile工具：

>>> ''.join(dropwhile(lambda x: not x.isalpha(), line))
'https://en.wikipedia.org/wiki/Dictionary_(disambiguation)'

- Moses Koledoye

Answer 3

我认为这就是你想要的：

nline = re.sub("\d+\s\d+\.\d+", "", line)

它从行中删除数字。如果您想保留“http…”前面的空格，则第二个参数当然应该是“ ”。

如果您还想记录单个数字字符串，可以像这样将它们分组：

>>> result = re.search("(\d+)\s(\d+\.\d+)", line)
>>> print(result.group(0))
1234567 7852853427.111
>>> print(result.group(1))
1234567
>>> print(result.group(2))
7852853427.111

一个学习和练习正则表达式的好方法是 regex101。

- B. Farkas

Answer 4

虽然您正在寻求正则表达式，但更好的解决方案是使用{{link1：str.split}}，假设您的字符串始终以{number} {number} {hyperlink}格式呈现。

正如@godaygo所说，您可以使用以下代码：

line = line.split()[-1]

该字符串将在空格处分割，我们选择最后一个子字符串。

如果您想访问所有部分（假设始终有三个），则可以改用以下方法：

num1, num2, url = line.split()

- mbomb007