Python删除标签符号并保留关键词

Posted 2023-03-12

【中文标题】Python删除标签符号并保留关键词

【英文标题】：Python remove hashtag symbol and keep key words

【发布时间】：2018-07-18 18:21:50

【问题描述】：

我想删除主题标签符号 ('#') 并下划线分隔单词 ('_')

示例："this tweet is example #key1_key2_key3"

我想要的结果："this tweet is example key1 key2 key3"

我的代码使用字符串：

#Remove punctuation , # Hashtag Symbol 
translate_table = dict((ord(char), None) for char in string.punctuation)   
cleaned_combined_tweets.translate(translate_table)

给出结果："this tweet is example key1key2key3"

【问题讨论】：

replace 方法有什么问题？

【参考方案1】：

>>> "this tweet is example #key1_key2_key3".replace("#", "").replace("_", " ")

【参考方案2】：

首先将所有哈希标签原样去除，然后将所有下划线替换为空格；简单易行的解决方案。

修改代码：

string = "This tweet is example #key1_key2_key3"
string = string.strip("#")
string = string.replace("_"," ")
print(string)

【讨论】：

我认为str.strip 只适用于字符串的末端。

老实说，当您只想摆脱它时，它比使用替换更短，所以这就是为什么我使用它而不是替换两次。

'返回删除前导或尾随字符的字符串副本'-我认为您实际上是错误的

strip 只从开头和结尾删除，自己试试s = "abc#def"; s.strip("#"); 'abc#def'

这一次，没有我的朋友。通读您的帖子和 cmets。在新的提示符下运行您的代码。查看输出并重新考虑。

【参考方案3】：

你可以使用 re 模块：

import re

a = 'this tweet is example #key1_key2_key3 sdasd #key1_key2_key3'

def get_all_hashtags(text):
    hash_pattern = re.compile('\#[\w\_]+',re.IGNORECASE)
    return re.findall(hash_pattern,text)

def clean_hashtags(hashtag, return_list=False):
    # return_list just in case you want a list
    if return_list:
        return re.split('\_',hashtag.replace('#',''))
    else:
        return ' '.join(re.split('[\_]+',hashtag.replace('#','')))

print([clean_hashtags(h,True) for h in get_all_hashtags(a)])
print([clean_hashtags(h) for h in get_all_hashtags(a)])

【参考方案4】：

假设只有#和_作为标点符号：

import re

tweet = "this tweet is example #key1_key2_key3"
new_tweet = " ".join(word.strip() for word in re.split('#|_', tweet))
print (new_tweet)

Out: 'this tweet is example key1 key2 key3'

【参考方案5】：

你可以使用 re 模块：

a = re.sub('([#])|([^a-zA-Z])',' ',a )