如何将字符串中的特定数字转换为字符串；NUM"；用Python

为了创建巴比伦文字的数据库，我需要清除一些文字并标记它们。我可以做托卡尼化，但在编写清理脚本的过程中，我遇到了一个问题

我想清除所有的数字，因为它们对我来说没有真正的意义（可能只是它们有多少只羊），但重要的是将数字保留在

中

假设我有以下文本：

hello 502world a0.0.3b.1.4 5

我想把它转到：

hello NUMworld aNUMb NUM 5

请注意，

0.0.3

和

.1.4

除了也变成NUM的

502

之外，还变成了

NUM

，但在

的内部，我想保持数字不变

文本中有非ASCII字符，这使得它更难处理

我试着自己写一些代码来处理它，但它变得非常烦人，我认为有更多的

Pythonic

方法可以做到这一点

这是一个文本示例。

使用函数的解决方案：

import re

s = "hello 502world a0.0.3b .1.4 <sub>5</sub>"
replaced = re.sub(r'(NUM){2,}', 'NUM', re.sub(r'(?<!<sub>)\.?\d+', 'NUM', s))

print(replaced)

重新导入
s=“你好502world a0.0.3b.1.4 5”
已替换=re.sub（r'（NUM）{2，}'，NUM'，re.sub（r'（？）\.？\d+'，NUM'，s））
打印（已替换）

输出：

hello NUMworld aNUMb NUM <sub>5</sub>

hello NUMworld aNUMb NUM 5

一个简单的正则表达式就可以做到这一点：

re.sub(r'(\.?\d+)+', 'NUM', "hello 502world a0.0.3b .1.4")
#'hello NUMworld aNUMb NUM'

---

您并没有真正“标记化”它，因为输出不是一个标记列表，它只是一个修改过的字符串。所以只需使用正则表达式来修改字符串。如果你想标记化，我的答案可能会有所不同。我已经把每件事都标记了，但我需要再过滤一点。我讨厌成为一个无赖，但我需要保存号码，因为他在5我不理解你的评论。至少不是它的第二部分。我改变了问题，请再看一遍。还有什么其他数字不应该被替换？OP已经改变了忽略“子”标签内数字的请求。使正则表达式变得更难。