从列表列表中删除非字母字符并维护结构

Question

我正在Python 2.7工作。我想从列表中的每个列表中删除非字符的字符，而不修改列表的结构。

启动示例列表：

csvarticles = [['[Beta-blockers]', 'Magic!', '1980', 'Presse medicale'],['Hypertension in the pregnant woman].', '', '2010', 'Medical'],['Arterial hypertension.', '', '1920', 'La Nouvelle']]
print (csvarticles[0])

所需的输出：

[['beta阻滞剂'，'魔术'，'1980'，'Presse Medicale']，["孕妇高血压"，''，''，'2010'，'Medical']，["动脉高压"，''，'1920'，'la nouvelle']]

代码1：

csvarticles = [[word.lower().split() for word in nodeList] for nodeList in csvarticles]
print (csvarticles[0])

代码1输出：

['[beta-Blockers]'，'Magic！'，'1980'，'Presse Medicale'] 实际

代码2：

csvarticles = [[word.lower().split() for word in nodeList if word.isalpha()] for nodeList in csvarticles]

代码2输出：

[]

代码3：

articleTitle = []
for x, y in enumerate(csvarticles):
    myString = simpleWords(csvarticles[x][0])
    if myString is not '':
        myString = myString.lower()
        myString = re.sub('[W_]+', ' ', myString, flags=re.UNICODE)
        myList = [word for word in myString.split() if len(word) > 3]
        articleTitle = ' '.join(myList)

代码3输出：

['beta阻滞剂'，'魔术'，'1980'，'Presse Medicale'，"高血压孕妇"，" 2010"，"医学"，"动脉高血压"，" 1920"，" Nouvelle"，" Nouvelle"]

代码3接近，但消除了嵌套列表的结构。

Answer 1

您想替换非空间或字母字符，然后修剪/小写字母。正则是对那些用str.strip链接的替代品非常有效的。

重建双重列表中的嵌套列表：

import re
csvarticles = [['[Beta-blockers]', 'Magic!', '1980', 'Presse medicale'],['Hypertension in the pregnant woman].', '', '2010', 'Medical'],['Arterial hypertension.', '', '1920', 'La Nouvelle']]
result = [[re.sub("[^ w]"," ",x).strip().lower() for x in y] for y in csvarticles]
print(result)

打印：

[['beta blockers', 'magic', '1980', 'presse medicale'], ['hypertension in the pregnant woman', '', '2010', 'medical'], ['arterial hypertension', '', '1920', 'la nouvelle']]

如果您使用的是Python，请替换lower casefold来处理Speciale locale chars

Answer 2

如果您想在单线中执行此操作：

输入：

output = [[k.lower() for k in [' '.join(re.findall(r'[^][.!-][A-z0-9]+[^][.!-]', j)) for j in i]] for i in csvarticles]

输出：

[['beta blockers', 'magic', '1980', 'presse  medicale'], ['hypertension  in  the  pregnant  woman', '', '2010', 'medical'], ['arterial  hypertension', '', '1920', 'la  nouvelle']]

REGEX：

[^][.!-][A-z0-9]+[^][.!-]

Answer 3

使用 string.isalnum((方法检查字符串是字母还是数字。

演示

csvarticles = [['[Beta-blockers]', 'Magic!', '1980', 'Presse medicale'],['Hypertension in the pregnant woman].', '', '2010', 'Medical'],['Arterial hypertension.', '', '1920', 'La Nouvelle']]
res = []
for i in csvarticles:
    r = []
    for j in i:
        r.append("".join([k for k in j if (k.isalnum() or k.isspace())]).lower())
    res.append(r)
print(res)

输出：

[['betablockers', 'magic', '1980', 'presse medicale'], ['hypertension in the pregnant woman', '', '2010', 'medical'], ['arterial hypertension', '', '1920', 'la nouvelle']]