Регулярные выражения (regex) — мощный инструмент для манипулирования текстом и очистки данных. Они позволяют эффективно искать, сопоставлять и заменять шаблоны в текстовых строках. В этой статье мы рассмотрим различные методы с примерами кода для удаления текста с использованием выражений регулярных выражений. Независимо от того, являетесь ли вы новичком или опытным разработчиком, это руководство поможет вам овладеть искусством манипулирования текстом с помощью регулярных выражений.

Метод 1: удаление цифр из строки
Если вы хотите удалить все цифры из строки, вы можете использовать следующее регулярное выражение:

import re
text = "Hello123World"
clean_text = re.sub(r'\d', '', text)
print(clean_text)  # Output: HelloWorld

Объяснение: Шаблон \dсоответствует любому цифровому символу в строке, а re.sub()заменяет все вхождения шаблона пустой строкой.

Метод 2: удаление специальных символов
Чтобы удалить специальные символы из строки, вы можете использовать следующее регулярное выражение:

import re
text = "Hello@#World!"
clean_text = re.sub(r'\W', '', text)
print(clean_text)  # Output: HelloWorld

Объяснение: шаблон \Wсоответствует любому небуквенно-цифровому символу (включая подчеркивание), а re.sub()удаляет все вхождения этих символов из строки.

import re
html_text = "<p>Hello, <b>world</b>!</p>"
clean_text = re.sub(r'<.*?>', '', html_text)
print(clean_text)  # Output: Hello, world!

Объяснение: Шаблон <.*?>соответствует любому тегу HTML, а re.sub()заменяет его пустой строкой.

Метод 4: удаление пробелов
Чтобы удалить пробелы (включая пробелы, символы табуляции и символы новой строки) из строки, вы можете использовать следующее регулярное выражение:

import re
text = "   Hello    World   "
clean_text = re.sub(r'\s+', ' ', text.strip())
print(clean_text)  # Output: Hello World

Объяснение: Шаблон \s+соответствует одному или нескольким пробельным символам, а re.sub()заменяет их одним пробелом. Функция strip()удаляет из строки начальные и конечные пробелы.

Метод 5. Удаление URL-адресов
Чтобы удалить URL-адреса из строки, вы можете использовать следующее регулярное выражение:

import re
text = "Check out my website: https://www.example.com"
clean_text = re.sub(r'http[s]?://\S+', '', text)
print(clean_text)  # Output: Check out my website:

Объяснение: Шаблон http[s]?://\S+соответствует URL-адресам, начинающимся с «http://» или «https://», за которыми следуют любые символы без пробелов. re.sub()заменяет URL-адреса пустой строкой.