python re.sub,包含要查找的单词列表

Question

我对RE不太熟悉,但我试图迭代一个列表并用来re.sub从变量中保存的大块文本中取出多个项目first_word.

我首先使用re.sub删除标签,这很好,但我接下来想要删除exclusionList变量中的所有字符串,我不知道如何做到这一点.

感谢您的帮助,以下是引发异常的代码.

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

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

例外情况:

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

加号是正则表达式中的运算符,意思是"前面的一个或多个重复".例如,x+意味着一次或多次重复x.如果你想找到并替换实际的+标志,你需要像这样逃避:re.sub('\+', '', string).因此,请更改exclusionList中的第一个条目.

您也可以消除for循环,如下所示:

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

管道符号|表示正则表达式中的析取,因此x|y|z匹配x或y或z.