匹配除了文字，数字和空格以外的所有内容

Question

此代码将替换除单词之外的所有内容，但是如何获取它还可保持数字和空格不变？例如“我直到1时才看到他。” - > “我没有看到他，直到1”

text = regex.sub("\P{alpha}+","",text) 

Answer 1

不要对Unicode的使用Python的re库。它工作非常糟糕。改为使用Matthew Barnett’s regex library。它工作得很好，好多了。

它也可以运行在Python 2和Python 3上，也可以运行在狭窄和广泛的版本上，但由于与该特定库基本无关的原因，我强烈建议您仅运行Python 3的广泛版本并且避开所有其他组合。

Answer 2

Python的正则表达式不支持Unicode属性。您可以尝试：

text = re.sub("[^a-zA-Z0-9 ]+","",text) 

取而代之。如果你喜欢安装Ponyguruma有一些东西，你可以用：

text = re.sub("[\P{Alnum}\PZ]+","",text) # pZ is shorthand for p{Separator}