在python中替换< ref >和< /ref >之间的所有文本
在python中替换< ref >和< /ref >之间的所有文本
提问于 2020-02-06 15:34:59
我从维基百科上搜集了数据，并创建了一个数据文件。df
\n \n == Sifat-sifat DNA == \n DNA merupakan sebuah polimer yang terdiri dari satuan-satuan berulang yang disebut nukleotida. Tiap-tiap nukleotida terdiri dari tiga komponen utama, yakni gugus fungsionalgugus fosfat, gula deoksiribosa, dan basa nitrogen (nukleobasa) < ref > {{en}}{{cite web \n url = http://www.ncbi.nlm.nih.gov/bookshelf/br.fcgi?book=mboc4 & part=A2 \n title = All Cells Replicate Their Hereditary Information by Templated Polymerization \n accessdate = 2010-03-19 \n work = Bruce Alberts, et al. \n }} < /ref > . Pada DNA, nukleobasa yang ditemukan adalah Adenina (A), Guanina (G), Sitosina (C) dan Timina (T).我想删除：
< ref > {{en}}{{cite web \n url = http://www.ncbi.nlm.nih.gov/bookshelf/br.fcgi?book=mboc4 & part=A2 \n title = All Cells Replicate Their Hereditary Information by Templated Polymerization \n accessdate = 2010-03-19 \n work = Bruce Alberts, et al. \n }} < /ref > 我需要一种在"< ref >“和”< /ref >“之间执行替换(或只删除)和文本的方法，这样当我调用它时，df现在等于：
\n \n == Sifat-sifat DNA == \n DNA merupakan sebuah polimer yang terdiri dari satuan-satuan berulang yang disebut nukleotida. Tiap-tiap nukleotida terdiri dari tiga komponen utama, yakni gugus fungsionalgugus fosfat, gula deoksiribosa, dan basa nitrogen (nukleobasa). Pada DNA, nukleobasa yang ditemukan adalah Adenina (A), Guanina (G), Sitosina (C) dan Timina (T).我试过：
df['Body'] = df['Body'].str.replace('< ref >.*?< /ref >','',regex=True)
df['Body'] = df['Body'].str.replace('< ref >.*< \/ref >','',regex=True)但是输出仍然没有改变，就像这样
\n \n == Sifat-sifat DNA == \n DNA merupakan sebuah polimer yang terdiri dari satuan-satuan berulang yang disebut nukleotida. Tiap-tiap nukleotida terdiri dari tiga komponen utama, yakni gugus fungsionalgugus fosfat, gula deoksiribosa, dan basa nitrogen (nukleobasa) < ref > {{en}}{{cite web \n url = http://www.ncbi.nlm.nih.gov/bookshelf/br.fcgi?book=mboc4 & part=A2 \n title = All Cells Replicate Their Hereditary Information by Templated Polymerization \n accessdate = 2010-03-19 \n work = Bruce Alberts, et al. \n }} < /ref > . Pada DNA, nukleobasa yang ditemukan adalah Adenina (A), Guanina (G), Sitosina (C) dan Timina (T).而我需要的是我之前解释过的。我找不到任何似乎有用的通配符。任何帮助都是非常感谢的。
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-02-06 16:03:10
问题是Python默认不会将换行符与点匹配。我们所能做的就是匹配所有的东西直到关闭ref
df['Body'] = df['Body'].str.replace('< ref >[\s\S]*< /ref >', '', regex=True)我从这里得到了正则表达式的想法：matching any character including newlines in a Python regex subexpression, not globally
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/60105125
复制
![[C#] ref知多少](https://ask.qcloudimg.com/http-save/yehe-8197675/9df328fb54825d7f743171b89ffaaa25.png)
相似问题
如何删除<ref>；和</ref>；之间的文本
在C++中声明像&ref=a和ref=&a这样的变量之间的区别
在讨论C# 7.2 ref扩展方法时，"this ref“和"ref this”之间有什么区别？
Spring:- ref属性和ref标记之间有什么区别？
返回类型中的&&和no ref之间的差异
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
