如何使用Python re库移除抓取的维基百科页面中的脚注锚点？

核心思路 #

利用正则表达式匹配[数字]格式的脚注锚点，通过re.sub()方法将匹配到的内容替换为空字符串，完成文本清理。

具体步骤 #

• 导入Python的re正则库
• 定义需要处理的原始文本
• 使用正则表达式r'\[\d+\]'匹配所有脚注锚点：
  • \[和\]：转义匹配方括号本身（方括号在正则中是特殊字符，需转义）
  • \d+：匹配一个或多个连续数字
• 调用re.sub()执行替换操作

代码实现 #

import re

# 原始带脚注的文本
raw_text = "Bigtable,[4] MariaDB[5]"
# 移除脚注锚点
cleaned_text = re.sub(r'\[\d+\]', '', raw_text)
# 打印清理后的结果
print(cleaned_text)

运行结果 #

Bigtable, MariaDB

扩展说明 #

如果脚注锚点中可能包含非数字字符（比如[a1]、[note]这类格式），可以改用正则表达式r'\[[^\]]+\]'，这个表达式会匹配任意以[开头、]结尾的内容，不管中间是什么字符。

内容的提问来源于stack exchange，提问作者user11419808