Python regex删除url和十进制数以外的标点符号

Question

人们

我需要一个正则表达式来删除字符串中的标点符号，但保留重音符号和url。我还必须从字符串中保留提及和标签。在

我尝试了上面的代码，但不幸的是，它用重音符号替换了字符，但我想保留重音符号。在

import unicodedata

if __name__ == "__main__":
    text = "Apenas um teste com acentuação. Para pontuação também! #python @stackoverflow http://xyhdhz.com.br" 
    text = unicodedata.normalize('NFKD', text).encode('ascii','ignore')
    print text

以下文本的输出“Apenas um teste com acentuaço.Para pontuaço também！#python@stackoverflowhttp://xyhdhz.com.br“应该是”Apenas um teste com acentuaço Para pontuaço também#python@stackoverflowhttp://xyhdhz.com.br“

我怎么能那样做？在

Answer 1

您可以使用Python的regex module和re.sub()来替换任何要删除的字符。您可以使用黑名单并替换所有不需要的字符，也可以使用一个包含所有允许字符的白名单，并且只保留这些字符。

这将删除括号内字符类中的任何内容：

import re

test = r'#test.43&^%à, è, ì, ò, ù, À, È, Ì, Ò, ÙÃz'
out = re.sub(r'[/.!$%^&*()]', '', test)
print(out)
# Out: #test43à è ì ò ù À È Ì Ò ÙÃz

（用python3.5测试）

为了保留url，你需要做更多的处理来检查格式（这是非常不同的）。在这种情况下，您需要什么样的输入/输出？

编辑：根据您添加的输入示例：

^{pr2}$