python 把標點符號替換為空

Python str.replace(old, new[, max]) 方法把字符串str中的 old（舊字符串）替換成 new(新字符串)，如果指定第三個參數max，則替換不超過 max 次。

如果非要用replace()函數來實現要這樣寫：

import string

m =l

forc instring.punctuation:

m =m.replace(c,")

更簡便的方法是用translate()，代碼如下：

importstring

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

中文文本中可能出現的標點符號來源比較復雜，通過匹配等手段對他們處理的時候需要格外小心，防止遺漏，下面小編帶來了Python處理中文標點符號大集合，感興趣的朋友跟隨腳本之家小編一起看看吧。中文文本中可能出現的標點符號來源比較復雜，通過匹配等手段對他們處理的時候需要格外小心，防止遺漏。以下為在下處理中文標點的時候采用的兩種方法:

中文標點集合 比較常見標點有這些：

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

調用zhon包的zhon.hanzi.punctuation函數即可得到這些中文標點。

如果想用英文的標點，則可調用string包的string.punctuation函數可得到：

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

因此，比如需要將所有標點符號去除，可以進行以下操作：

>>> importre

>>> fromzhon.hanzo importpunctuation

>>> line ="測試。。去除標點。。"

>>> printre.sub("[{}]+".format(punctuation), "", line.decode("utf-8")) # 需要將str轉換為unicode

當然，如果想去除重復的符號而只保留一個，那么可以用\1指明：比如

>>> re.sub(ur"([{}])+".format(punctuation), "\1", line.decode("utf-8"))

你也可以手工指定這些標點符號

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

re_punctuation ="[{}]+".format(punctuation)

line =re.sub(re_punctuation, "", line)

可以通過直接指定unicode碼范圍的辦法來strip，比如:

去除所有半角全角符號，只留字母、數字、中文

def remove_punctuation(line):

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

  line =rule.sub('',line)

  return line

漢字的范圍為”\u4e00-\u9fa5“，這個是用Unicode表示的，所以前面必須要加”u“；字符”r“的意思是表示忽略后面的轉義字符，這樣簡化了后面正則表達式里每遇到一個轉義字符還得挨個轉義的麻煩

最后可以組合成為一個函數

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()

清洗完畢后，有時候我們希望按照多個標點符號來分割，比如只要遇到中文或英文的逗號和句號等符號就分割，可以直接用translate把這些符號翻譯為統一的分隔符，再split:

strip_chars ='？"。.，,《》[]〖〗“”'

single_line =single_line.translate(str.maketrans(dict.fromkeys(strip_chars, '#')))

single_line =single_line.split('#')

總結

以上所述是小編給大家介紹的Python處理中文標點符號大集合，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。

python 把標點符號替換為空

免責聲明！