0

Tengo un inquietud, intento crear una expresión regular para encontrar palabras o cualquier tipo de caracteres contenidos dentro de otros dos, ejemplo:

<hola>
(hola)
[hola]
{hola}

-

texto = "csec872(hola)7bjaaae43fanca<hola>lnx23DXA"

Finalmente lo que pretendo es encontrar ese contenido y eliminarlo junto con los paréntesis o corchetes. (intento resolver esto usando python 2.7)

2
  • ¿Puede aparecer anidadas esas expresiones? Por ejemplo "texto<otro texto (anidado {y mas}) sigue> aqui". Eso complicaría mucho las cosas, sobre todo si las partes anidadas pueden usar los mismos delimitadores que las más exteriores, es decir "por (ejemplo (asi))"
    – abulafia
    Commented el 25 nov. 2018 a las 22:38
  • no creo que para mi caso aparezcan anidadas, solo que pueden aparecer a lo largo del string sin estar anidadas. Commented el 26 nov. 2018 a las 2:32

1 respuesta 1

1

Una expresión regular podría ser la siguiente:

(\(.*?\)|{.*?}|<.*?>|\[.*?\])

Que se interpreta así:

  • Es un grupo (el que todo vaya entre paréntesis así lo indica) con cuatro posibilidades (separadas por la barra |):
    1. Cualquier texto entre paréntesis
    2. Cualquier texto entre llaves
    3. Cualquier texto entre ángulos
    4. Cualquier texto entre corchetes

En los cuatro casos, a la hora de definir "cualquier texto" he usado .*? que significa una secuencia compuesta de cero o más caracteres, sean estos los que sean, pero lo más corta posible que haga cumplir la expresión regular (el *? indica que el matching debe ser non-greedy). Por defecto los matching son greedy que significa que intentan encajar con el máximo de caracteres posible. En este caso no queremo esto, pues "un (ejemplo) como (este)" encajaría desde el primer ( hasta el último ), y queremos que lo haga sólo hasta el siguiente.

Esa expresión regular se usaría como parte de un re.sub() para sustituir todas los matching por una cadena vacía. Ejemplo:

import re

texto = "csec872(hola)7bjaaae43fanca<hola>lnx23DXA"
resultado = re.sub(r"(\(.*?\)|{.*?}|<.*?>|\[.*?\])", "", texto)
print(resultado)
csec8727bjaaae43fancalnx23DXA

Observación. Esta solución aún funciona si los paréntesis, llaves, corchetes o ángulos aparecen anidados, pero son de diferente tipo, como por ejemplo: "Esto [es (un {ejemplo} con) cosas] anidadas", pues el patrón que detecta "algo entre corchetes" tomaría todo lo que está contenido entre el [ y el ], lo que para tu objetivo de eliminarlo todo, funcionará.

Fallará en cambio si aparecen expresiones anidadas con delimitadore del mismo tipo como por ejemplo "Esto (es un (ejemplo) con) cosas) anidadas", pues en ese caso el patrón "algo entre paréntesis" encajará con (es un (ejemplo), que no es lo que queremos.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.