찾을 단어 목록을 가진 re.sub

Question

나는 RE에 익숙하지 않지만 목록을 반복하고 re.sub을 사용하여 변수에 들어있는 큰 텍스트 블록에서 여러 항목을 추출하려고합니다. first_word.

은 내가 먼저 태그를 제거 re.sub를 사용하여이 잘 작동하지만 나는 옆에 exclusionList 변수에 모든 문자열을 제거 할 내가이 작업을 수행하는 방법을 모르겠습니다.

도움을 주셔서 감사합니다. 예외를 제기하는 코드는 다음과 같습니다.

exclusionList = ['+','of','<ET>f.','to','the','<L>L.</L>'] 

for a in range(0, len(exclusionList)): 
     first_word = re.sub(exclusionList[a], '',first_word) 

그리고 예외 :

first_word = re.sub(exclusionList[a], '',first_word) 
    File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/re.py", line 151, in sub 
return _compile(pattern, flags).sub(repl, string, count) 
    File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/re.py", line 245, in _compile 
raise error, v # invalid expression error: nothing to repeat 

Answer 1

플러스 기호 '위의 하나 이상의 반복'정규식 의미 연산자이다. 예 : x+은 x의 하나 이상의 반복을 의미합니다. 실제 + 표지판을 찾아 교체하려는 경우 re.sub('\+', '', string)과 같이 탈출해야합니다. 그러므로 exclusionList의 첫 번째 항목을 변경하십시오.

또한 이런 for 루프를 제거 할 수

exclusions = '|'.join(exclusionList) 
first_word = re.sub(exclusions, '', first_word) 

파이프 기호 |는 정규식 분리되므로 x|y|z 일치의 X 또는 Y 또는 Z를 나타낸다.

Answer 2

프로그램의 기본 형식이 정확하므로 사용중인 정규식과 관련된 모든 문제가 의심됩니다. '+'자체가 유효하지 않은 정규 표현식이므로 '\'를 사용하여 이스케이프해야합니다.

사용 지점에서 파이썬은 문자열에 백 슬래시가 이스케이프 처리되지 않아야하므로 '\'을 의미 할 때 정규 표현식을 '\\'으로 흩 뜨릴 필요가 없도록 지정할 수 있습니다. 이에 대한 구문은 r'\+'에서와 같이 선행 "r"이며, 이는 ExclusionList의 첫 번째 항목을 바꿔야하는 항목입니다.

"to", "the"등의 단어를 추출하려는 경우 단어 전체를 추출하고 실수로 "tooth"에서 "to"를 추출하지 않도록하고 싶습니다. 또는 "기타"의 "the". "\ b"를 추가하여 단어 경계를 지정하면 r'\bto\b' 및 r'\bthe\b'이 표시되지 않습니다.

마지막으로 for a in range(0, len(exclusionList)):은 목록 자체를 반복하면 더 간단하게 작성됩니다 (for exclusion in exclusionList:).