删除字符串中的所有标点符号，数字之间的标点符号除外

Question

我有一篇包含单词和数字的文本。我将给出一个有代表性的文本示例：

string = "This is a 1example of the text. But, it only is 2.5 percent of all data"

我想将其转换为类似的东西：

"This is a  1 example of the text But it only is  2.5  percent of all data"

因此，删除标点符号（可以是. ,或 中的任何其他标点符号string.punctuation），并在连接时在数字和单词之间放置空格。但在我的示例中保持浮点数为 2.5。

我使用了以下代码：

item = "This is a 1example of the text. But, it only is 2.5 percent of all data"
item = ' '.join(re.sub( r"([A-Z])", r" \1", item).split())
# This a start but not there yet !
#item = ' '.join([x.strip(string.punctuation) for x in item.split() if x not in string.digits])
item = ' '.join(re.split(r'(\d+)', item) )
print item

结果是：

 >> "This is a  1 example of the text. But, it only is  2 . 5  percent of all data"

我快到了，但无法弄清楚最后的平静。

Answer 1

您可以使用正则表达式查找，如下所示：

(?<!\d)[.,;:](?!\d)

工作演示

这个想法是让一个字符类收集您想要替换的标点符号，并使用环视来匹配周围没有数字的标点符号

regex = r"(?<!\d)[.,;:](?!\d)"

test_str = "This is a 1example of the text. But, it only is 2.5 percent of all data"

result = re.sub(regex, "", test_str, 0)

结果是：

This is a 1example of the text But it only is 2.5 percent of all data