您现在的位置是：首页 > Python

当前栏目

python替换所有标点符号_python 把标点符号替换为空

Python 集合

2023-03-02 10:57:13 时间

Python str.replace(old, new\[, max\]) 方法把字符串str中的 old(旧字符串) 替换成 new(新字符串)，如果指定第三个参数max，则替换不超过 max 次。

如果非要用replace()函数来实现要这样写：import string

m =l

forc instring.punctuation:

m =m.replace(c,")

更简便的方法是用translate()，代码如下：importstring

m =l.translate(None, string.punctuation)

中文文本中可能出现的标点符号来源比较复杂，通过匹配等手段对他们处理的时候需要格外小心，防止遗漏，下面小编带来了Python处理中文标点符号大集合，感兴趣的朋友跟随脚本之家小编一起看看吧 。中文文本中可能出现的标点符号来源比较复杂，通过匹配等手段对他们处理的时候需要格外小心，防止遗漏。以下为在下处理中文标点的时候采用的两种方法:

中文标点集合比较常见标点有这些：！？｡＂＃＄％＆＇()＊＋，－／：；＜＝＞＠［＼］＾＿｀｛｜｝～｟｠｢｣､、〃》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〾〿–—‘'‛“”„‟…‧﹏.

调用zhon包的zhon.hanzi.punctuation函数即可得到这些中文标点。

如果想用英文的标点，则可调用string包的string.punctuation函数可得到：!"\#$%&\\'()\*+,-./:;<=>?@\[\\\\\]^\_\`\{|\}~

因此，比如需要将所有标点符号去除，可以进行以下操作：>>> importre

>>> fromzhon.hanzo importpunctuation

>>> line ="测试。。去除标点。。"

>>> printre.sub("\[\{\}\]+".format(punctuation), "", line.decode("utf-8")) \# 需要将str转换为unicode

当然，如果想去除重复的符号而只保留一个，那么可以用\\1指明：比如>>> re.sub(ur"(\[\{\}\])+".format(punctuation), "\\1", line.decode("utf-8"))

你也可以手工指定这些标点符号punctuation ="""！？｡＂＃＄％＆＇()＊＋－／：；＜＝＞＠［＼］＾＿｀｛｜｝～｟｠｢｣､、〃》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〾〿–—‘'‛“”„‟…‧﹏"""

re\_punctuation ="\[\{\}\]+".format(punctuation)

line =re.sub(re\_punctuation, "", line)可以通过直接指定unicode码范围的办法来strip，比如:

去除所有半角全角符号，只留字母、数字、中文def remove\_punctuation(line):

rule =re.compile(ur"\[^a-zA-Z0-9\\u4e00-\\u9fa5\]")

line =rule.sub('',line)

return line

汉字的范围为”\\u4e00-\\u9fa5“，这个是用Unicode表示的，所以前面必须要加”u“；字符”r“的意思是表示忽略后面的转义字符，这样简化了后面正则表达式里每遇到一个转义字符还得挨个转义的麻烦

最后可以组合成为一个函数def remove\_punctuation(line, strip\_all=True):

if strip\_all:

rule =re.compile(ur"\[^a-zA-Z0-9\\u4e00-\\u9fa5\]")

line =rule.sub('',line)

else:

punctuation ="""！？｡＂＃＄％＆＇()＊＋－／：；＜＝＞＠［＼］＾＿｀｛｜｝～｟｠｢｣､、〃》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〾〿–—‘'‛“”„‟…‧﹏"""

re\_punctuation ="\[\{\}\]+".format(punctuation)

line =re.sub(re\_punctuation, "", line)

return  line.strip()

清洗完毕后，有时候我们希望按照多个标点符号来分割  ，比如只要遇到中文或英文的逗号和句号等符号就分割，可以直接用translate把这些符号翻译为统一的分隔符，再split:strip\_chars ='？"。.，,《》\[\]〖〗“”'

single\_line =single\_line.translate(str.maketrans(dict.fromkeys(strip\_chars, '\#')))

single\_line =single\_line.split('\#')

总结

以上所述是小编给大家介绍的Python处理中文标点符号大集合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。

猜你喜欢

股价大跌12%！马斯克没空关心特斯拉，发推站队为共和党投票
四种对象引用之间的区别是什么？你知道吗？
如何修改 node_modules 里的文件
技巧：如何在 Go 中编写准确的基准测试？
Python量化交易实战：获取股票数据并做分析处理
程序里对象很深很大，可以用这个设计模式缓解一下
为什么C++中有函数指针还需要std::function？
Go 学习：从环境搭建到写一个 Web 服务
英伟达确认：对华特供「低配版」A800芯片，可替代A100
全网最详细笔记：张益唐北大讲解火热出炉！本质上已证明「零点猜想」
文带你了解 Spring 的 @Enable 开头的注解
学习 GoF 设计模式以解决软件设计中的问题
七个新的ES2022 JavaScript 功能，你千万不要错过了
现在还值得学 Go 编程语言吗？
Go 语言为什么建议定义零值可用的结构体？
Vue项目-开启 “ 微信分享踩坑” 之旅
前端常用的数据处理工具库，助力高效开发！
工作 3 年的同事不懂 isEmpty 和 isBlank 的区别，我真是醉了。。
跟女朋友旅游三天，Python治好了我的精神内耗...
npm，pnpm，yarn，npx的那些事儿

zl程序教程

当前栏目

python替换所有标点符号_python 把标点符号替换为空

相关文章