问题描述
我想删除以下示例文本数据中括号中的所有时间戳。
输入：
特工：我能帮你吗？ ( 3s ) 顾客: 谢谢 ( 40s ) 顾客: 我 有一个关于 X 的问题。 ( 8m 1s ) 特工：我可以在这里提供帮助。登录这个 网站（记得用你的新密码）（11m 31s）
预期输出：
特工：我能帮你吗？客户：谢谢 客户：我有个问题 关于 X。 特工：我可以在这里帮忙。登录本网站（记得使用 您的新密码）
我尝试了 re.sub(r'\(.*?\)','',data) 但它没有工作，因为它删除了括号中的所有内容。如果不是时间戳，我想将内容保留在括号中，例如，我想在输出中保留“（记住使用您的新密码）”。
对正则表达式还很陌生，所以希望我能在这里得到一些指导。谢谢！
解决方法
\(\s(\d{1,2}[smh]\s)+\)
仅供参考：.* 匹配除行终止符之外的所有内容。
不是正则表达式，也许效率不高，但字符串方法可以：
spam = "Agent: Can I help you? ( 3s ) Customer: Thank you( 40s ) Customer: I have a question about X. ( 8m 1s ) Agent: I can help here. Log in this website (remember to use your new password) ( 11m 31s )"
def cleanup(text):
for word in ('Agent','Customer'):
text = text.replace(word,f'\n{word}').strip()
clean_text = [line[:line.rindex('(')] for line in text.splitlines()]
# or in slow-motion
# clean_text = []
# for line in text.splitlines():
# idx = line.rindex('(')
# line = line[:idx]
# clean_text.append(line)
return ' '.join(clean_text)
print(cleanup(spam))
输出
Agent: Can I help you? Customer: Thank you Customer: I have a question about X. Agent: I can help here. Log in this website (remember to use your new password)
编辑：正如 @DRPK 所建议的，它可以通过使它成为一个在大语料库中产生差异的衬垫来优化
clean_text = ' '.join([line[:line.rindex('(')] for line in text.replace("Agent",'\nAgent').replace("Customer",'\nCustomer').strip().splitlines()])
\( [^\)]++\)
您可以使用此正则表达式替换代码中的“”。 我确实从 http://www.amazingregex.xyz/ 生成它。可以自己生成文本示例