如何使用正则表达式移除文本中的完整文件路径？

针对你清理LDA训练文本中Windows文件路径的需求，这里提供精准的正则方案：

正则表达式 #

[A-Za-z]:\\(?:[^\\/:*?"<>|\r\n]+\\)*[^\\/:*?"<>|\r\n]+

正则说明 #

• [A-Za-z]:\\：匹配Windows盘符（如C:\、D:\），反斜杠在正则中需转义为\\
• (?:[^\\/:*?"<>|\r\n]+\\)*：非捕获组，匹配任意层级的目录结构，目录名排除Windows路径非法字符（\ / : * ? " < > |及换行）
• [^\\/:*?"<>|\r\n]+：匹配最终的文件名，同样排除非法字符

代码示例（Python） #

import re

# 原始文本
raw_text = "这是一段包含文件路径的示例文本：C:\\Users\\Username\\Documents\\file.txt。这是另一个路径：D:\\Data\\folder\\file.docx 。"
# 正则模式
path_pattern = r'[A-Za-z]:\\(?:[^\\/:*?"<>|\r\n]+\\)*[^\\/:*?"<>|\r\n]+'
# 替换路径为空字符串
cleaned_text = re.sub(path_pattern, '', raw_text)

print(cleaned_text)

运行后输出：

这是一段包含文件路径的示例文本：。这是另一个路径：。

注意事项 #

• 该正则针对绝对路径设计，若你的文本包含相对路径（如.\docs\file.pdf），可调整正则为(?:[A-Za-z]:\\|\.\\|\.\.\\)(?:[^\\/:*?"<>|\r\n]+\\)*[^\\/:*?"<>|\r\n]+
• 建议用你的实际样本测试，确保不会误删正常文本内容

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