使用Python删除小词汇

Question

是否可以使用正则表达式删除文本中的小词汇？例如，我有以下字符串（文本）：

anytext = " in the echo chamber from Ontario duo " 

我想删除3个字符或更少的所有单词。结果应该是：

"echo chamber from Ontario" 

是否有可能使用正则表达式或任何其他Python函数吗？

谢谢。

Answer 1

当然，这并不难之一：

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

上述表达式选择任何词之前有一些非单词字符（基本上是空白或开头），长度介于1到3个字符之间，并以单词边界结束。

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

的\b边界的比赛是很重要的位置，他们保证你不匹配只是一个字的第一个或最后3个字符。

\W*在开始时可以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，如果您仅使用\s要删除前面的空格。

这个正则表达式解决方案保留其余单词之间的空格，而mgilson的版本将多个空格字符折叠到一个空格中。不知道这对你是否重要。

他的名单理解解决方案是两者的速度更快：

>>> 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 

Answer 2

我不认为你需要反正这个简单的例子，一个正则表达式...

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