Python Regex 删除括号中的注释或数字

Question

我正在尝试使用正则表达式删除行号和注释，但它还不起作用:

import re
string = """(1) At what time.!? [asdf] School-
(2) bus. So late, already.!? [ghjk]"""

#res = re.sub(r"[\(\[].*?[\)\]]", "", string)

res = re.sub("(\d+) ","", res)
res = re.sub("[.*]","", res)
res = re.sub(r"-\s","", res)
res = re.sub(r"[^\w\säüöß]","", res)
res = re.sub("-\n","", res)
print(res.split())

所以我试图用我的 #commented 行删除括号 () 和 [] 中的任何内容，但后来我被每行的空格开头所困扰。
然后我决定拆分它并提出五个 re.sub 方法。
结果应该是这样的:

['At', 'what', 'time', 'Schoolbus', 'So', 'late', 'already']

我被困在没有被删除的 Linenumbers 中，尽管它们在 () 中并且应该消失。然后导致我的 res.sub() 将单词与“-”从校车连接到校车无法正常工作。

Answer 1

你可以用这个sub + findall解决方案:

import re

string = """(1) At what time.!? [asdf] School-
(2) bus. So late, already.!? [ghjk]"""

print (re.findall(r'\b\w+(?:-\w+)*', re.sub(r'(\([^)]*\)|\[[^]]*\]|-)\s*', '', string)))

输出:

['At', 'what', 'time', 'Schoolbus', 'So', 'late', 'already']

详情:

re.sub(r'(\([^)]*\)|\[[^]]*\]|-)\s*', '', string) : 删除所有 (...)和 [...]或 -字符串后跟 0 个或多个空格

\b\w+ : 匹配以单词边界开头的 1+ 个单词字符