替换字符串中不需要的特殊字符，在两个数字之间保留特殊字符

Question

您好，我正在一个NLP项目中工作，需要从文本中标识实体/组织名称。但是，字符串中的单词由（_：，）字符连接起来，如下所示：

RING_LECO:108_.250X.436X.093V_772_520

我想按以下方式清理字符串：

Ring Leco 108 .250X.436X.093V 772_520

我们删除了两个单词之间的特殊字符（A-Z：A-Z，A-Z：0-9），但保留了772和520之间的_符号。

有什么办法可以做到这一点？

Answer 1

尝试使用

(?<=\D)[_:,]|[_:,](?=\D)

\D代表一个非数字字符，因此该模式与在至少一侧上具有非数字字符的特殊字符（_:,）匹配。

str = 'RING_LECO:108_.250X.436X.093V_772_520'
pattern = re.compile(r'(?<=\D)[_:,]|[_:,](?=\D)')
print(pattern.sub(' ', str))

输出：

RING LECO 108 .250X.436X.093V 772_520

Answer 2

此正则表达式可以解决问题：

_([^0-9]?<=)|(?=[^0-9])_

英语：“下划线之前或之后不是数字”

？<=表示之前的是要捕获的组

？=表示关注是要捕获的组