如何在 python 中删除标点符号？

Question

我有问题：

例如我有一句话

s = "AAA? BBB. CCC!" 

所以，我这样做：

import string
table = str.maketrans('', '', string.punctuation)
s = [w.translate(table) for w in s]

没关系。我的新句子是：

s = "AAA BBB CCC"

但是，如果我输入这样的句子：

s = "AAA? BBB. CCC! DDD.EEE"

删除标点符号后，我将使用与下面相同的方法

s = "AAA BBB CCC DDDEEE"

但需要：

s = "AAA BBB CCC DDD EEE"

有什么想法/方法可以解决这个问题吗？

Answer 1

string.punctuation 包含以下字符：

'!"#$%&\'()*+,-./:;<=>?@[\]^_`{|}~'

您可以使用 translate 和 maketrans 函数将标点符号映射到空值（替换）

import string

'AAA? BBB. CCC! DDD.EEE'.translate(str.maketrans('', '', string.punctuation))

输出：

'AAA BBB CCC DDDEEE'

Answer 2

试试这个代码：

import re

input_str = "AAA? BBB. CCC! DDD.EEE"
output_str = re.sub('[^A-Za-z0-9]+', ' ', input_str)
print output_str

'AAA BBB CCC DDD EEE'

Answer 3

你也可以这样做：

punctuation = "!@#$%^&*()_+<>?:.,;"  # add whatever you want

s = "AAA? BBB. CCC!" 
for c in s:
    if c in punctuation:
        s = s.replace(c, "")

print(s)

>>> "AAA BBB CCC"

Answer 4

用途：

import re

" ".join(re.split('\W+', s))

在所有非单词字符上拆分字符串，然后通过单个空格连接各个子字符串。

Answer 5

这是一种使用

str.strip

和简单迭代的方法。

例如：

from string import punctuation

s = "AAA? BBB. CCC! DDD.EEE"

def cleanString(strval):
    return "".join(" " if i in punctuation else i for i in strval.strip(punctuation))

s = " ".join(cleanString(i) for i in s.split())
print(s)

输出：

AAA BBB CCC DDD EEE

Answer 6

看看这个：

if __name__ == "__main__":
    test_string = "AAA? BBB. CCC! DDD.EEE"
    result = "".join((char if char.isalpha() else " ") for char in test_string)
    print(result)


Result: AAA  BBB  CCC  DDD EEE

Answer 7

试试这个：

import string
exclude = set(string.punctuation)
exclude.remove(".")
doc = "AAA? BBB. CCC! DDD.EEE"
for punctuation in exclude:
    doc = doc.replace(punctuation,"")
doc = doc.replace("."," ")
doc = doc.split()
print(" ".join(doc))

Answer 8

我知道不是每个人都有这种情况，但我正在编写一个国际化的应用程序并且它的提升有点重。这就是我想出的：

[编辑添加'导入正则表达式'] - 谢谢Andj

import regex

random_string = "~`!ќ®†њѓѕў‘“ъйжюёф №%:,)( ЛПМКё…∆≤≥“™ƒђ≈≠»"

clean_string = regex.sub( r'[^\w\s]', '', random_string )

print( clean_string )

结果是：

ќњѓѕўъйжюёф  ЛПМКёƒђ

这适用于多种语言的各种字母表和特殊字符。我已经用键盘上的每个特殊字符和一些常规字符在多种语言上对其进行了测试。仍然需要去除一些无法检测到的特殊标记。

直截了当但功能强大。希望对某人有所帮助。