将所有连字符类型替换为ASCII连字符“-”

Question

有没有一种方法可以用简单的asi“-”代替所有类型的连字符？我正在寻找适合太空的类似东西：

txt = re.sub(r'[\s]+',' ',txt)

我相信某些非ASCII“-”连字符会避免删除某些特定停用词（由连字符连接的项目名称）的正确过程：

我想用AR-L1003代替此AR–L1003'，但是我想对全文进行此操作。

Answer 1

您只需在类中列出这些连字符即可。这是一个可能的列表——根据您的需要进行扩展：

\n\n

txt = re.sub(r'[\xe2\x80\x90\xe1\xa0\x86\xef\xb9\xa3\xef\xbc\x8d\xe2\x81\x83\xe2\x88\x92]+','-',txt)\n

\n\n

标准re库不支持\\p匹配 unicode 类别的语法，但如果可以 import regex，那么就有可能：

\n\n

import regex\n\ntxt = regex.sub(r'\\p{Pd}+', '-', txt)\n

\n