使用正则表达式删除仅包含重复字符'x'的单词

Question

我有以下文本：

text = "upi xxxxxxxxxx manoj jayant xxx xxxxxxx532kvblhii"

我正在尝试去除只包含x的重复模式，以获得如下输出:

out = "upi manoj jayant xxxxxxx532kvblhii"

我使用了以下正则表达式，但是结果不正确。

re.sub('[x]', '', text)

out = "upi  manoj jayant 532kvblhii"

请帮我修正我的正则表达式。

- Shyam

Answer 1

使用单词边界来表示完全由x组成的单词：

text = "upi xxxxxxxxxx manoj jayant xxx xxxxxxx532kvblhii"
out = re.sub(r'\s*\bx+\b\s*', ' ', text)
print(out.strip())

这将打印：

upi manoj jayant xxxxxxx532kvblhii

这里的逻辑是坚持仅将xxx作为整个单词匹配。我们还会消耗两端的所有空格，并替换为一个空格，以保持其与周围其他单词的分离。这样做存在一个边缘情况，可能会在输出的开头和结尾留下额外的空格，我们会将其去除。

- Tim Biegeleisen

Answer 2

您可以使用正则表达式和非正则表达式两种方法：

# Without regex:
text = "upi xxxxxxxxxx manoj jayant xxx xxxxxxx532kvblhii"
print( " ".join([x for x in text.split() if x != len(x) * x[0] ]) )
# => upi manoj jayant xxxxxxx532kvblhii

# With regex:
import re
print( re.sub(r'\s*\bx+\b', '', text).lstrip() )
upi manoj jayant xxxxxxx532kvblhii

请查看Python演示和正则表达式演示。

无正则解决方案详细信息

• 使用text.split()通过空格分割字符串
• if x != len(x) * x[0]的意思是，我们丢弃所有包含与单词中字符数相同数量的第一个字符的单词。

正则表达式详细信息

• \s* - 零个或多个空格
• \b - 单词边界
• x+ - 一个或多个x字符
• \b - 单词边界。

请注意，只有当xxx单词出现在字符串开头并且可能存在不受欢迎的前导空格时，才需要使用.lstrip()。

- Wiktor Stribiżew