頭字語でドットを削除する正規表現はありますが、ドメイン名では使用できません。

Question

頭字語のドットは削除したいが、python文字列のドメイン名は削除したくない。例えば、 は、私は、文字列

'a.b.c. test@test.com http://www.test.com' 

が

'abc test@test.com http://www.test.com' 

私がこれまでに作られた最も近い正規表現は

'ab.c. test@test.com http://www.test.com' 

それに起因

re.sub('(?:\s|\A).{1}\.',lambda s: s.group()[0:2], s) 

あるになりたいですそうだね上記の正規表現が動作するか、私は

(?:\s|\A|\G).{1}\. 

に正規表現を変更する必要がありますが、Pythonで一致マーカー（\ G）の終わりはありません。

編集：私のコメントで述べたように、文字列には特定の書式がありません。これらの文字列には、非公式の人間の会話が含まれているため、0個、1個または複数の頭字語またはドメイン名を含むことがあります。私が "本当の"パーサーをコーディングするのを救うことができれば、いくつかのエラーは私にはうまくいきます。

Answer 1

（彼の答えのためにバートのおかげで）私のために働い以下：それは単語や頭字語の最初の文字である場合

re.sub('\.(?!(\S[^. ])|\d)', '', s) 

これは、ドットは削除されません。

Answer 2

文字列を '@'（または何らかの文字が意味をなさないもの）に分割することをお勧めします。最初の部分で置換を行い、次に文字列を戻します。私はそれが複雑な正規表現よりもコードの意図をよりよく示すと思います。おそらくこのような何か、：

string='a.b.c. test@test.com http://www.test.com' 
left, rest = string.split("@",1) 
left = left.replace(".","") 
result="%s@%s" % (left, rest) 

Answer 3

あなたは、単にそれらの2つ先の[AZ]の文字（またはそれ以上）を持っていませんDOTSを削除することができ

：

\.(?![a-zA-Z]{2}) 

しかし、もちろんのこと意志も削除以下のアドレスからの最初のDOT：

name.i@foo.bar

次の操作を行うことにより、これを修正できます。

\.(?![a-zA-Z]{2}|[^\s@]*+@) 

しかし、私はこのようなコーナーケースがさらに多くなると確信しています。

Answer 4

データが常にこのようにフォーマットされている場合、スペースを分割してデータを3つに分割しないでください。

その後、最初の要素からピリオドを削除し、結合を使用して部品を再作成するのは簡単です。シンプルre.sub()として

Answer 5

としてエレガントされないが、これを試してみてください。

import re 

s='a.b.c. test@test.com http://www.test.com' 
m=re.search('(.*?)(([a-zA-Z]\.){2,})(.*)', s) 

if m: 
    replacement=''.join(m.group(2).split('.')) 
    s=m.group(1)+replacement+m.group(4) 

print s 

それは文字列ごとに1つ以下の頭字語がないことを前提としていますが、あなたは常にそれを繰り返し実行することができます。

Answer 6

非正規表現の方法：

>>> S = 'a.b.c. test@test.com http://www.test.com' 
>>> ' '.join(w if '@' in w or ':' in w else w.replace('.', '') for w in S.split()) 
'abc test@test.com http://www.test.com' 

は（ただし、上分割するスペースが必要です - ので、あなたは、スペースなしでコンマのようなものを持っていた場合には、いくつかを逃すことができます。）