如何从字符串中删除单独出现的特殊字符？我正在尝试开发一个推文作者分类模型，我的想法是有些人使用特殊字符作为商标，这可以帮助模型做出更好的判断，例如

P!nkA$AP

是两个歌手的商标。我想删除单独的和重复的特殊字符，例如

whatt??This is Good. I want both dots removed.I'm thinking....

但不想删除#hashtag_for_life或类似的内容

我已经使用了

re.sub(r'([\W_])\1+',' ','hi my % na$me is @shady #for_life')

但在处理单独的字符时失败了。有人能提供一个解决方案吗？

编辑：示例

如何将

'p!nk & A$AP are 2 singers..... what? are the b0th rappers? ? ? NO!! #singer ##rapper @shady'

转换为

'p!nk A$AP are singers what are the b0th rappers NO #singer #rapper @shady'

这意味着单独的数字消失了，单独的特殊字符消失了，尾随的特殊字符消失了，重复的特殊字符被更改为单个特殊字符，这些字符要么在单词中间，要么在单词开头。

回答：

请尝试以下方法：

import re
str = 'p!nk & A$AP are 2 singers..... what? are the b0th rappers? ? ? NO!! #singer ##rapper @shady'
str = re.sub(r'(?<=\s)[\W\d](?=(\s|$))', '', str)
str = re.sub(r'(?<=\w)\W+(?=(\s|$))', '', str)
str = re.sub(r'(\W)\1+(?=\w)', r'\1', str)
print(str)

输出：

p!nk A$AP are singers what are the b0th rappers NO #singer #rapper @shady

• (?<=\s)[\W\d](?=(\s|$)) 匹配被空格包围或位于行尾的单个非字母或数字字符。
• (?<=\w)\W+(?=(\s|$)) 匹配跟随在单词后面的单个非字母字符。
• (\W)\1+(?=\w) 匹配在单词前面的两个或多个连续的非字母字符。