使用Python删除小词

是否可以使用正则表达式删除文本中的小词？例如，我有以下字符串（文本）：

我想删除所有3个字符或更少的单词。结果应该是：

"echo chamber from Ontario"

是否可以使用正则表达式或任何其他python函数来实现这一点

---

谢谢。

无论如何，对于这个简单的示例，我认为您不需要正则表达式

' '.join(word for word in anytext.split() if len(word)>3)

---

当然，也没那么难：

shortword = re.compile(r'\W*\b\w{1,3}\b')

上面的表达式选择前面有一些非单词字符（基本上是空格或开头）、长度在1到3个字符之间且在单词边界上结束的任何单词

>>> shortword.sub('', anytext)
' echo chamber from Ontario '

\b

边界匹配在这里很重要，它们确保您不会只匹配单词的前3个或后3个字符

开头的

\W*

允许您删除单词和前面的非单词字符，以便句子的其余部分仍然匹配。请注意，标点符号包含在

\W

中，如果只想删除前面的空白，请使用

\s

值得一提的是，这个正则表达式解决方案在其余单词之间保留了额外的空格，而mgilson的版本将多个空格字符压缩到一个空格中。不知道这对你是否重要

他的列表理解解决方案是两种方案中速度较快的：

>>> import timeit
>>> def re_remove(text): return shortword.sub('', text)
... 
>>> def lc_remove(text): return ' '.join(word for word in text.split() if len(word)>3)
... 
>>> timeit.timeit('remove(" in the echo chamber from Ontario duo ")', 'from __main__ import re_remove as remove')
7.0774190425872803
>>> timeit.timeit('remove(" in the echo chamber from Ontario duo ")', 'from __main__ import lc_remove as remove')
6.4250049591064453

---

我已将

echo

添加到您的预期输出中，因为它短4个字符。：-）@MartijnPieters——您可能还想将“少于3个字符”更改为“少于4个字符”——这样语法才是正确的，而且是一致的。@mgilson:我更具创造性，改为少于3个字符。特别是因为OP的第一行是：“是否可以使用正则表达式删除…”+1代表justice@jedwards--霍瑞，为了正义！这个解决方案也很有效。这两种解决方案都非常适合。Thanks@ThomasBryan：挑一个最适合你的；我添加了一些信息以帮助您做出决定。：-）@谢谢你的精彩解释。。。我认为这是我迄今为止获得民粹主义徽章的最好机会：）呜呼，民粹主义者！谢谢大家——现在你们可以再次开始投票表决Martijn的答案了；-）

>>> import timeit
>>> def re_remove(text): return shortword.sub('', text)
... 
>>> def lc_remove(text): return ' '.join(word for word in text.split() if len(word)>3)
... 
>>> timeit.timeit('remove(" in the echo chamber from Ontario duo ")', 'from __main__ import re_remove as remove')
7.0774190425872803
>>> timeit.timeit('remove(" in the echo chamber from Ontario duo ")', 'from __main__ import lc_remove as remove')
6.4250049591064453