Python 正则表达式从列表中删除非字母单词A-Z A-Z（例外）

我正在尝试从包含非字母字符的字符串列表中删除单词，例如：

["The", "sailor", "is", "sick", "."] -> ["The", "sailor", "is", "sick"]

但我不能随意删除包含非alpha字符的单词，因为可能出现以下情况：

["The", "U.S.", "is", "big", "."] -> ["The", "U.S.", "is", "big"] (acronym kept but period is removed)

我需要想出一个正则表达式或类似的方法来处理这样的简单情况（所有类型的标点符号）：

我使用一个自然语言包装类将句子转换为左侧的列表，但有时列表要复杂得多：

string:   "round up the "blonde bombshells' a all (well almost all)"
list: ["round", "up", "the", "''", "blonde", "bombshell", "\\", 
          "a", "all", "-lrb-", "well", "almost", "all", "-rrb-"]

正如您所看到的，一些字符（如括号和撇号）被包装器转换或删除。我想将所有这些无关的子字符串处理成一个更干净的外观：

list: ["round", "up", "the", "blonde", "bombshell",
          "a", "all", "well", "almost", "all"]

---

我对python相当陌生，我的印象是，正则表达式将是我在这里的最佳方法，但不知道如何将第一个列表转换为经过清理的第二个列表，如果您能提供帮助，我将不胜感激

确保每个字符串至少包含一个字母数字：

import re

expr = re.compile(r"\w+")
test = ["And", ",", "there", "she", "is", ".", "U.S."]

filtered = [v for v in test if expr.search(v)]
print(filtered)

印刷品

['And', 'there', 'she', 'is', 'U.S.']

备选方案是排除数字，并确保字符串不以非字母字符开头：

# only alpha
expr = re.compile(r"[a-zA-Z]+")
test = ["round", "up", "the", "''", "blonde", "bombshell", "\\",
        "a", "all", "-lrb-", "well", "almost", "all", "-rrb-"]
# use match() here
filtered = [v for v in test if expr.match(v)]
print(filtered)

印刷品

['round', 'up', 'the', 'blonde', 'bombshell', 'a', 'all', 'well', 'almost', 'all']

---

这似乎符合您的描述：

cases=[
    ["The", "sailor", "is", "sick", "."],
    ["The", "U.S.", "is", "big", "."],
    ["round", "up", "the", "''", "blonde", "bombshell", "\\", 
    "a", "all", "-lrb-", "well", "almost", "all", "-rrb-"],
]

import re

for li in cases:
    print '{}\n\t->{}'.format(li, [w for w in li if re.search(r'^[a-zA-Z]', w)])

印刷品：

['The', 'sailor', 'is', 'sick', '.']
    ->['The', 'sailor', 'is', 'sick']
['The', 'U.S.', 'is', 'big', '.']
    ->['The', 'U.S.', 'is', 'big']
['round', 'up', 'the', "''", 'blonde', 'bombshell', '\\', 'a', 'all', '-lrb-', 'well', 'almost', 'all', '-rrb-']
    ->['round', 'up', 'the', 'blonde', 'bombshell', 'a', 'all', 'well', 'almost', 'all']

如果正确，您完全可以不使用正则表达式：

for li in cases:
    print '{}\n\t->{}'.format(li, [w for w in li if w[0].isalpha()])

您可以使用来执行此操作：

>>> from string import punctuation
>>> [i for i in lst if i not in punctuation]   
['The', 'U.S.', 'is', 'big']

---

不适用于最后一个字符串[“round”、“up”、“the”、““””、“blonde”、“bombshell”、“\\”、“a”、“all”、“-lrb-”、“well”、“几乎”、“all”、“-rrb-”]在Python 3.5close上对我很好，但这不适用于blonde bombshell情况，我之所以使用Python2.7，是因为包装器类是Python2特有的，不幸的是，它不能在python3I中完成，我不必打印列表（只需返回它）。只是想知道下面的内容是否足以说明一个案例。抱歉，我对python非常陌生，我知道这是列表理解，所以这似乎是正确的li=[w代表li中的w如果w[0].isalpha（）]），然后您将执行

def（li）：返回[w代表li中的w如果w[0].isalpha（）]）

--完成。

>>> from string import punctuation
>>> [i for i in lst if i not in punctuation]   
['The', 'U.S.', 'is', 'big']