python，替换标点符号但保持特殊单词完整的最佳方法

我正在制作一个调制函数，它将采用带有特殊字符（@&*%）的关键字，并保持它们完整，同时从句子中删除所有其他标点符号。我设计了一个解决方案，但它非常庞大，而且可能比需要的更复杂。有没有一种方法可以以更简单的方式做到这一点。

简而言之，我的代码匹配特殊单词的所有实例以查找跨度。然后，我匹配字符以找到它们的范围，然后循环匹配列表并删除找到的单词范围内也存在的任何字符。

代码

import re
from string import punctuation

sentence = "I am going to run over to Q&A and ask them a ton of questions about this & that & that & this while surfacing the internet! with my raccoon buddy @ the bar."

# my attempt to remove punctuation
class SentenceHolder:
    sentence = None
    protected_words = ["Q&A"]

    def __init__(sentence):
        self.sentence = sentence

    def remove_punctuation(self):
        for punct in punctuation:
            symbol_matches: List[re.Match] = [i for i in re.finditer(punct, self.sentence)]
            remove_able_matches = self._protected_word_overlap(symbol_matches)

        for word in reversed(remove_able_word_matches):
            self.sentence = (self.modified_string[:word.start()] + " " + self.sentence[word.end():])                

    def _protected_word_overlap(symbol_matches)
          protected_word_locations = []
          for protected_word in self.protected_words :
              protected_word_locations.extend([i for i in re.finditer(protected_word, self.sentence)])

          
        protected_matches = []
        for protected_word in protected_word_locations:
            for symbol_inst in symbol_matches:
                symbol_range: range = range(symbol_inst.start(), symbol_inst.end())
                protested_word_set = set(range(protected_word.start(), protected_word.end()))
                if len(protested_word_set.intersection(symbol_range)) != 0:
                    protected_matches.append(symbol_inst)

        remove_able_matches = [sm for sm in symbol_matches if sm not in protected_matches]

        return remove_able_matches

代码的输出

my_string = SentenceHolder(sentence)
my_string.remove_punctuation()

结果| ||我尝试使用正则表达式和模式来识别标点符号的所有位置，但我在 re.sub 中使用的模式在 re.match 中的工作方式不同。

"I am going to run over to Q&A and ask them a ton of questions about this  that   that   this while surfacing the internet  with my raccoon buddy   the bar"

I tried to use regex and pattern to identify all the locations of the punctuation but the pattern I use in re.sub does not work similarly in re.match.

可以使用正则表达式替换来更简洁地实现这一点，方法是使用负向先行断言来排除受保护的单词：

import re

def remove_punctuation(text, protected_words):
  """删除标点符号，但保留受保护的单词。

  Args:
    text: 要从中删除标点符号的字符串。
    protected_words: 要保留的单词列表。

  Returns:
    删除了标点符号的字符串。
  """
  # 创建一个正则表达式模式，该模式匹配不在受保护单词内的任何标点符号。
  pattern = r"[{}](?!\w*{}*\w*)".format(re.escape(string.punctuation),
                                       '|'.join(re.escape(word) for word in protected_words))
  # 使用空格替换匹配的标点符号。
  return re.sub(pattern, ' ', text)

sentence = "I am going to run over to Q&A and ask them a ton of questions about this & that & that & this while surfacing the internet! with my raccoon buddy @ the bar."
protected_words = ["Q&A", "@"]
result = remove_punctuation(sentence, protected_words)
print(result)

此代码的作用如下：

1. 定义一个函数： 它采用 text （要清理的字符串）和 protected_words （要保留的单词列表）作为输入。
2. 创建正则表达式模式：
3. [{}] .format(re.escape(string.punctuation))`：这部分匹配任何标点符号。
4. (?!\w*{}*\w*) .format('|'.join(re.escape(word) for word in protected_words)) ：这是一个负向先行断言，它确保匹配的标点符号不是受保护单词的一部分。它检查匹配的标点符号前面或后面是否有零个或多个单词字符 ( \w*`)，并且这些单词字符之间可以有零个或多个受保护单词。
5. 执行替换： re.sub(pattern, ' ', text) 使用空格替换所有匹配的标点符号。
6. 返回结果： 函数返回清理后的字符串。

此解决方案避免了显式循环和索引操作，使其更有效且更易于阅读。