RegEx для сопоставления всех символов, кроме некоторых специальных символов и ":)"

Question

Я пытаюсь удалить все символы из строки, кроме #, @, :), :(. Пример:

this is, a placeholder text. I wanna remove symbols like ! and ? but keep @ & # & :)

должно привести к (после удаления совпавших результатов):

this is a placeholder text I wanna remove symbols like  and  but keep @  #  :)

Я пытался:

(?! |#|@|:\)|:\()\W

Это работает, но в случае :) и :(, : все еще сопоставляется. Я знаю, что он совпадает, потому что он проверяет каждый символ и предыдущие, например: :) соответствует только :, но :)) соответствует :).

Answer 1

Это сложный вопрос, потому что вы хотите удалить все символы, кроме определенного белого списка. Кроме того, некоторые символы в белом списке фактически состоят из двух символов:

:)
:(

Чтобы справиться с этим, мы можем сначала сэкономить двоеточие : и скобки, а затем выборочно удалить любой из них, если он не является частью смайлика или хмурого лица:

input = "this is, a (placeholder text). I wanna remove symbols like: ! and ? but keep @ & # & :)"
output = re.sub(r'[^\w\s:()@&#]|:(?![()])|(?<!:)[()]', '', input)
print(output)

this is a placeholder text I wanna remove symbols like  and  but keep @ & # & :)

Я использовал класс символов регулярного выражения:

[^\w\s:()@&#]

Это будет соответствовать любому символу, который не является словом или пробельным символом. Это также избавляет ваш белый список от замены. В двух других частях чередования мы переопределяем эту логику, удаляя двоеточие и скобки, если они не являются частью смайлика.

Answer 2

Как показали другие, можно написать регулярное выражение, которое будет успешным, как вы сформулировали проблему. Но это тот случай, когда гораздо проще написать регулярное выражение, соответствующее тому, что вы хотите сохранить . Тогда просто соедините эти части вместе.

import re

rgx = re.compile(r'\w|\s|@|&|#|:\)|:\(')
orig = 'Blah!! Blah.... ### .... #@:):):) @@ Blah! Blah??? :):)#'
new = ''.join(rgx.findall(orig))
print(new)

Answer 3

Вы можете попробовать следующее регулярное выражение (для Python).

(\w|:\)|:\(|#|@| )

С этим поддельным предложением:

"Я хочу удалить определенные символы, но хочу сохранить определенные, такие как #random, and :) и :( и что-то вроде @.

Если оно найдено в другом предложении, :), поищите его :( "

Находит все символы, упомянутые вами в вопросе Вы можете использовать его, чтобы найти строку, в которой он содержится, и написать правила для тщательного удаления других знаков препинания из этой строки.

Answer 4

Вы также можете использовать простой подход: сопоставить и захватить то, что вам нужно, чтобы «исключить» из сопоставления и просто сопоставить то, что вы хотите удалить, а затем просто использовать обратную ссылку на значение группы захвата:

re.sub(r'([#@\s]|:[)(])|\W', r'\1', s)
#        ^---Group 1--^->->->->^^         

См. Демоверсию regex . Здесь ([#@\s]|:[)(]) соответствует и захватывает в Группу 1 a #, @, пробельные символы или :( или :( подстроки и \W совпадения без захвата любого несловарного символа.

См. Демо Python :

import re
s="this is, a placeholder text. I wanna remove symbols like ! and ? but keep @ & # & :)"
print(re.sub(r'([#@\s]|:[)(])|\W', r'\1', s))
# => this is a placeholder text I wanna remove symbols like  and  but keep @  #  :)

В версиях Python до 3.5 используйте лямбда-выражение в качестве аргумента замены (из-за ошибки):

re.sub(r'([#@\s]|:[)(])|\W', lambda x: x.group(1) if x.group(1) else '', s)