如何编写正则表达式移除枚举结构中的指定子串hyjk11l？

需要实现：当输入字符串包含枚举结构（格式如element, element, element, element_diferent, ... and element）时，仅保留枚举中除hyjk11l之外的元素。

示例 #

示例1 #

输入字符串：

"I come with hyjk11l, Mary Johnson, hyjk11l, hyjk11l, hyjk11l and hyjk11l to the center, maybe we'll buy something there"

期望输出：

"I come with Mary Johnson to the center, maybe we'll buy something there"

示例2 #

输入字符串：

"In afternoon, I show hyjk11l, John, hyjk11l, and hyjk11l in the lab"

期望输出：

"In afternoon, I show John in the lab"

（注：原示例期望输出中的with应为笔误，按逻辑处理后结果如上）

示例3 #

输入字符串：

"I meet with Katy Perry and hyjk11l here"

期望输出：

"I meet with Katy Perry here"

解决方案 #

使用正则表达式匹配整个枚举结构，配合回调函数过滤指定元素并重建正确的枚举格式，比多次replace()更通用，能处理任意位置的hyjk11l元素。

Python实现代码 #

import re

def clean_enum(match):
    # 捕获前缀（如"with "、"show "）和枚举内容
    prefix = match.group(1)
    enum_content = match.group(2)
    
    # 拆分枚举元素：处理逗号和"and"分隔的情况
    elements = re.split(r',\s*|\s+and\s+', enum_content)
    # 过滤掉hyjk11l，同时去除空字符串
    filtered_elements = [elem.strip() for elem in elements if elem.strip() != 'hyjk11l']
    
    if not filtered_elements:
        # 过滤后无元素，直接移除前缀和原枚举
        return ''
    elif len(filtered_elements) == 1:
        # 只剩一个元素，直接拼接前缀和元素
        return f"{prefix}{filtered_elements[0]}"
    else:
        # 多个元素，按枚举格式重新拼接（最后一个用and连接）
        return f"{prefix}{', '.join(filtered_elements[:-1])} and {filtered_elements[-1]}"

# 正则模式：匹配前缀+枚举结构，覆盖常见的枚举格式（含牛津逗号）
pattern = r'(\b(?:with|show|meet)\s+)(\b(?:hyjk11l|[\w\s]+)(?:,\s*(?:hyjk11l|[\w\s]+))*(?:,\s*and\s*(?:hyjk11l|[\w\s]+))?)'

# 测试示例1
input1 = "\"I come with hyjk11l, Mary Johnson, hyjk11l, hyjk11l, hyjk11l and hyjk11l to the center, maybe we'll buy something there\""
output1 = re.sub(pattern, clean_enum, input1)
print(output1)

# 测试示例2
input2 = "\"In afternoon, I show hyjk11l, John, hyjk11l, and hyjk11l in the lab\""
output2 = re.sub(pattern, clean_enum, input2)
print(output2)

# 测试示例3
input3 = "\"I meet with Katy Perry and hyjk11l here\""
output3 = re.sub(pattern, clean_enum, input3)
print(output3)

说明 #

• 正则模式中的前缀部分(?:with|show|meet)可根据实际需求扩展，添加更多可能的动词/介词前缀。
• 回调函数会自动处理枚举元素的过滤和格式重建，支持包含牛津逗号的枚举格式。
• 若需要匹配更通用的前缀（不限定特定动词），可将前缀部分调整为(\w+\s+)，但可能会匹配到非枚举场景，需根据实际情况调整。

内容的提问来源于stack exchange，提问作者Matt095