相关疑难解决方法(0)

是否有一个Python函数可以从字符串中修剪空格(空格和制表符)？

示例:\t example string\t→example string

假设我有一个字符串'gfgfdAAA1234ZZZuijjk',我想只提取'1234'部分.

我只知道在我感兴趣的部分之前AAA和之后ZZZ的几个字符是什么1234.

使用sed它可以用字符串做这样的事情:

echo "$STRING" | sed -e "s|.*AAA\(.*\)ZZZ.*|\1|"

这将给我1234带来的结果.

如何在Python中做同样的事情？

我想使用来自用户的输入作为搜索某些文本的正则表达式模式.它有效,但我如何处理用户放置在正则表达式中有意义的字符的情况？例如,用户想要搜索Word (s):正则表达式引擎将(s)作为一个组.我希望它像一个字符串一样对待它"(s)".我可以运行replace用户输入并替换(with \(和)with \)但问题是我需要替换每个可能的正则表达式符号.你知道更好的方法吗？

re.compile('\s+', flags = re.UNICODE)

上面的代码在 python3 中给出了以下警告。

SyntaxWarning: invalid escape sequence \s

我通过使用修复它r'\s+'。这是解决问题的正确方法吗？

我更多地使用 R，而且我在 R 中更容易做到：

> test <- c('bbb', 'ccc', 'axx', 'xzz', 'xaa')
> test[grepl("^x",test)]
[1] "xzz" "xaa"

但是如果test是一个列表，如何在python中做到这一点？

PS我正在使用谷歌的python练习学习python。我更喜欢使用回归表达式。

我正在尝试使用SkLearn的TfidfVectorizer提取单字组，双字组和三字组的词汇。这是我当前的代码：

 max_df_param =  .003
 use_idf = True

 vectorizer = TfidfVectorizer(max_df = max_df_param, stop_words='english', ngram_range=(1,1), max_features=2000, use_idf=use_idf)
 X = vectorizer.fit_transform(dataframe[column])
 unigrams = vectorizer.get_feature_names()

 vectorizer = TfidfVectorizer(max_df = max_df_param, stop_words='english', ngram_range=(2,2), max_features=max(1, int(len(unigrams)/10)), use_idf=use_idf)
 X = vectorizer.fit_transform(dataframe[column])
 bigrams = vectorizer.get_feature_names()

 vectorizer = TfidfVectorizer(max_df = max_df_param, stop_words='english', ngram_range=(3,3), max_features=max(1, int(len(unigrams)/10)), use_idf=use_idf)
 X = vectorizer.fit_transform(dataframe[column])
 trigrams = vectorizer.get_feature_names()

 vocab = np.concatenate((unigrams, bigrams, trigrams))

但是，我想避免数字和包含数字的单词，并且当前输出包含诸如“ 0 101 110 12 15th 16th 180c 180d 18th 190 1900 1960s 197 1980 1b 20 200 200a …

你能帮我理解一下这个行为吗:

>>> a = "abc\\def\\ghi"
>>> a.split(r"\\")
['abc\\def\\ghi']

然而,在花了几分钟和排列后,我发现这个目前正在起作用:

>>> a.split("\\")
['abc', 'def', 'ghi']

你能指出我导致这种行为的文献/设计考虑因素吗？

我想知道使用字符串前缀"R"的时候还是不找使用python正则表达式句号(句号)时,我得到了相同的结果的原因.

阅读数源(下面的链接)的倍数次,用代码尝试找到相同的结果(同样见下文)后,我仍然不确定的:

1. 是什么时候使用前缀字符串"r"和不使用字符串前缀"R",寻找使用正则表达式一个时期的区别？
2. 哪种方式被认为是使用带有字符串前缀"r"或没有字符串前缀"r"的python正则表达式在字符串中查找句点的正确方法？

re.compile("\.").sub("!", "blah.")

"胡说!"

re.compile(r"\.").sub("!", "blah.")

"胡说!"

re.compile(r"\.").search("blah.").group()

''

re.compile("\.").search("blah.").group()

''

我看过的资料来源:

Python文档:字符串文字 http://docs.python.org/2/reference/lexical_analysis.html#string-literals

正则表达式用其原始文件替换"转义"字符

Python正则表达式 - r前缀

r前缀用于原始字符串 http://forums.udacity.com/questions/7000217/r-prefix-is-for-raw-strings

输入中有多个空格分隔的字符,例如: string = "a b c d a s e "

该模式应该是什么样的,当我re.search使用模式对输入进行处理时,我会j通过使用输入第一个字符及其后面的空格.group(j)？

我试过这种东西,"^(([a-zA-Z])\s)+"但这不起作用.我该怎么办？

编辑 我的实际问题在标题中,并且正文仅描述了它的一个特例:这是问题的一般版本:如果我必须接受特定类型的所有模式(初始问题具有模式"[a-zA] -Z]\s")从一个字符串,我该怎么办？