python替换所有标点符号_python 把标点符号替换为空

客官°小女子只卖身不卖艺 2023-01-08 14:25 155阅读 0赞

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):