如何用Python正则移除非单词字符（保留空格及缩写句点）

疑问1：为什么x被替换，以及如何匹配非单词且非空格的字符 #

你写的正则(?<=\W)[\W][\S](?=\W)里，[\S]是匹配所有非空白字符，自然包括字母x——原字符串里a.. x的空格+x正好符合这个正则的匹配规则：前面是..（非单词字符），[\W]匹配空格，[\S]匹配x，后面是空格（非单词字符），所以这两个字符被替换成了9。

要匹配非单词且非空格的字符，直接用字符类[^\w\s]就可以——这个表达式表示“不是单词字符（\w，含字母、数字、下划线）也不是空白字符（\s，含空格、制表符等）的字符”，精准对应你要的目标。

疑问2：如何移除单词边界的标点 #

你添加的\b\W\b无效，是因为\b是单词边界，它要求\W的前后都必须是“单词字符和非单词字符的分界”——比如what!里的!后面是空格（非单词字符），所以!的右边不存在单词边界，自然匹配不到。

正确的思路是区分“需要保留的点（缩写里的点）”和“要删除的字符”，可以用两步处理：

1. 删除所有非缩写用的点，以及其他标点符号
2. 统一处理多余的空格，确保只保留单个分隔空格

直接用下面的代码就能实现需求：

import re

test_str = "a.. x what! he was a in the U.S.A.F but in the accounts dept?"
# 匹配要删除的内容：前后不全是单词的点，或是非单词/非空格/非点的字符
clean_pattern = r"(?<!\w)\.(?!\w)|[^\w\s.]"
temp_result = re.sub(clean_pattern, "", test_str)
# 合并多个空格为单个，移除首尾空格
final_result = re.sub(r"\s+", " ", temp_result).strip()
print(final_result)

运行后会得到预期结果：a x what he was a in the U.S.A.F but in the accounts dept

正则说明： #

• (?<!\w)\.(?!\w)：匹配那些前面不是单词字符或者后面不是单词字符的点，这样就自动排除了U.S.A.F里的点（这些点前后都是字母，属于单词字符）
• [^\w\s.]：匹配所有除了单词字符、空格、点之外的字符，比如!、?这类标点
• \s+：把连续的多个空格替换成单个，保证单词之间只有一个分隔空格

内容的提问来源于stack exchange，提问作者Kris