使用正则表达式清理列根据条件删除字符

Question

我正试图找出我将如何处理以下情况：

我有手动输入的原始数据和几个不必要的字符，我需要清理列

如果少于5个字母，则应删除符号后面的任何内容，如（-，/，！，#）

原始数据

纽约美国-LND英国

GBKTG-U

配音AE-尤萨

美国-泰

SG！

CNZOS！C海

GAGAX“T

AEU DGR#英国，GBR

所需输出

LND英国

GBKTG

尤萨

美国

SG

CNZOS

加加兹

英国GBR

Answer 1

使用正则表达式组在origin和destination之间分割每一行，根据需要调整separator（[^\w\s]）。接下来，计算分隔符符号右侧的字母数，检查指定的字母数

详细信息：

• (.*?)：捕获组-零个或多个字符（行尾除外）非灰色
• [^\w\s]：后跟不是字母、数字、下划线（[a-z-a-Z0-9_]）或空格的任何字符
• (.*)：捕获组-零个或多个字符（行尾除外）

文件sample.txt用作输入

NYC USA - LND UK
GBKTG-U
DUB AE- EUUSA
USA -TY
SG !S
CNZOS !C SEA
GAGAX"T
AEU DGR# UK,GBR

import re

f = open("sample.txt", "r")
txt = f.read()

dest = []
r = re.findall(r"(.*?)[^\w\s](.*)", txt)
for f in r:
    if sum([i.isalpha() for i in f[1]]) >= 5:
        dest.append(f[1].strip())
    else:
        dest.append(f[0].strip())

print(dest)

['LND UK', 'GBKTG', 'EUUSA', 'USA', 'SG', 'CNZOS', 'GAGAX', 'UK,GBR']