Python正则表达式句子过滤

我想过滤下面的句子

'I'm using C++ in high-tech applications!', said peter (in a confident way)

将其转换为单个单词以获得

I'm using C++ in high-tech applications said peter in a confident way

到目前为止，我得到的是

parsing=re.findall(r"\w+(?:[-']\w+)*|'|[-.(]+|\S\w*",text)
' '.join(w for w in parsing if w not in string.punctuation)

然而，这产生了

I'm using C in high-tech applications said peter in a confident way

因此，“C++”不正确地变成了“C”，因为“+”在string.标点符号中。我是否可以修改正则表达式代码，使“+”不被标记化？任何获得所需输出的替代方法也将受到欢迎，谢谢

只需使用

（\w | \+）

而不是

\w

。这将同时使用单词字符和加号

或者，您可以使用

[a-zA-Z+]

或Kyle Strand建议的理想的

[\w+]

。

只需使用

（\w\124;\+）

而不是

\w

。这将同时使用单词字符和加号

---

或者，您可以使用Kyle Strand建议的

[a-zA-Z+]

或理想情况下的

[\w+]

。

类似于C0deH4cker的答案，但稍微简单一点，将

\w

的所有实例替换为

[\w+]

>>> parsing=re.findall(r"[\w+]+(?:[-'][\w+]+)*|'|[-.(]+|\S[\w+]*",text)
>>> parsing
["'", "I'm", 'using', 'C++', 'in', 'high-tech', 'applications', '!', "'", ',', 'said', 'peter', '(', 'in', 'a', 'confident', 'way', ')']
>>> ' '.join(w for w in parsing if w not in string.punctuation)
"I'm using C++ in high-tech applications said peter in a confident way"

请注意，您最初的解决方案将“C++”拆分为三个不同的标记，因此即使从

字符串中排除
++
。标点符号也无法解决您的问题：

>>> parsing=re.findall(r"\w+(?:[-']\w+)*|'|[-.(]+|\S\w*",text)
>>> parsing
["'", "I'm", 'using', 'C', '+', '+', 'in', 'high-tech', 'applications', '!', "'", ',', 'said', 'r', '(', 'in', 'a', 'confident', 'way', ')']

与C0deH4cker的答案类似，但稍微简单一点，将
\w
的所有实例替换为
[\w+]

>>> parsing=re.findall(r"[\w+]+(?:[-'][\w+]+)*|'|[-.(]+|\S[\w+]*",text)
>>> parsing
["'", "I'm", 'using', 'C++', 'in', 'high-tech', 'applications', '!', "'", ',', 'said', 'peter', '(', 'in', 'a', 'confident', 'way', ')']
>>> ' '.join(w for w in parsing if w not in string.punctuation)
"I'm using C++ in high-tech applications said peter in a confident way"

请注意，您最初的解决方案将“C++”拆分为三个不同的标记，因此即使从
字符串中排除
++
。标点符号也无法解决您的问题：

>>> parsing=re.findall(r"\w+(?:[-']\w+)*|'|[-.(]+|\S\w*",text)
>>> parsing
["'", "I'm", 'using', 'C', '+', '+', 'in', 'high-tech', 'applications', '!', "'", ',', 'said', 'r', '(', 'in', 'a', 'confident', 'way', ')']

您指的是哪个\w？有三种them@user1893354都是。
（\w | \+）
将匹配普通单词以及包含加号的单词，但使用@KyleStrand的
[\w+]
更好。您指的是哪个\w？有三种them@user1893354都是。
（\w | \+）
将匹配普通单词以及包含加号的单词，但使用@KyleStrand的
[\w+]
更好。