regex - 用 ascii 连字符 "-"替换所有连字符类型

Question

有没有办法用简单的ascii“-”替换所有类型的连字符？
我正在寻找这样的适用于空间的东西:

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

我相信一些非ASCII“-”连字符正在避免删除某些特定停用词(由连字符连接的项目名称)的正确过程:

例如，我想用 AR-L1003 替换这个 AR–L1003'，但我想对整个文本执行此操作。

Answer 1

您可以只在类中列出这些连字符。这是一个可能的列表 - 将其扩展到您的需求:

txt = re.sub(r'[‐᠆﹣－⁃−]+','-',txt)

标准 re库不支持 \p用于匹配 unicode 类别的语法，但如果您可以导入 regex ，那么有可能:

import regex

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