python正则表达式，去除文本的干扰项_字符串去噪python

正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

1，[ABC]

匹配 […] 中的所有字符，例如 [aeiou] 匹配字符串 “google runoob taobao” 中所有的 e o u a 字母。

2，[^ABC]
匹配除了 […] 中字符的所有字符，例如 [^aeiou] 匹配字符串 “google runoob taobao” 中除了 e o u a 字母的所有字母。

3,[A-Z]
[A-Z] 表示一个区间，匹配所有大写字母，[a-z] 表示所有小写字母。

通过正则表达式，我们可以进行串匹配，并将字符串中的干扰项删除（如网址、字母、各种符号等；只留下有意义的部分供后续分析）

import re
#读取list的一个，转为str
csv_text = str(csv_data_list[i])
#匹配一个数字字符。等价于[0-9]，并删除。+代表匹配多次；lower把字母变为小写
csv_text = re.sub(r'([\d]+)','',csv_text).lower()
#匹配杂项，并删除
csv_text = re.sub("[A-Za-z0-9\!\%\,\。\...+\..\.+\_+\##\.\?\【\】\'\<\>\=\:\/\&\"\ \-\'\\r\\n]", "", csv_text)
#匹配[ ]替换为逗号
csv_text = re.sub('[\[\]]','，',csv_text)
#匹配\并删除
csv_text = re.sub(r'\\','',csv_text)
1
2
3
4
5
6
7
8
9
10
11