有效地删除字符串的标点符号

Question

我在一篇文章中读到并希望删除它的所有标点符号。我的第一个想法是：

data = readlines("text.txt")
data = lowercase.(data)
data = replace.(data, [','], [""])
data = replace.(data, ['.'], [""])
data = replace.(data, ['?'], [""])
data = replace.(data, [';'], [""])
data = replace.(data, ['!'], [""])
data = replace.(data, [':'], [""])
data = replace.(data, ['('], [""])
data = replace.(data, [')'], [""])

这变得非常烦人。我没有找到一种方法将它们全部合并在一个语句中。使用qazxsw poi，我得到了Dimension Mismatch。

有任何想法吗？

Answer 1

如果你不想要一个集合（比如一个数组或一个元组）进行广播，你应该将它包装在一个数组中（在这个例子中，我只使用两个字符replace.(data, [".", ";"], ["", ""])和,作为替换，但这可以更多）：

;

关键部分是

julia> data = ["a,b;c","x,y;z"]
2-element Array{String,1}:
 "a,b;c"
 "x,y;z"

julia> replace.(data, [[',',';']], "")
2-element Array{String,1}:
 "abc"
 "xyz"

，它将一组替换替代品包装成一个单元素数组。

另一种方法是使用正则表达式：

[[',',';']]

现在替换模式

julia> replace.(data, r"[,;]", "")
2-element Array{String,1}:
 "abc"
 "xyz"

不需要包装。

如果您关心性能，使用r"[,;]"的第一个模式会更快一些，但使用正则表达式会更灵活，因为它允许您捕获更复杂的模式。

Answer 2

好像你应该只能使用正则表达式：

[[',',';']]

我没有尝试过，因为我机器上的Julia不足以支持广播函数调用。