标记文本，但将复合连字词放在一起
nlp 401
原文标题 ：Tokenize text but keep compund hyphenated words together
我正在尝试使用预处理功能清理文本。我想删除所有非字母字符，例如标点符号和数字，但我想保留使用破折号而不拆分它们的复合词（例如。pre-tender ，施工前）。
def preprocess(text):
#remove punctuation
text = re.sub('\b[A-Za-z]+(?:-+[A-Za-z]+)+\b', '-', text)
text = re.sub('[^a-zA-Z]', ' ', text)
text = text.split()
text = " ".join(text)
return text
比如原文：
"Attended pre-tender meetings"
应该分成
['attended', 'pre-tender', 'meeting']
而不是
['attended', 'pre', 'tender', 'meeting']
任何帮助，将不胜感激！