python中用正则表达式去掉文本中所有的标点符号

Posted 2023-05-08

目前的做法是：

line=re.sub(r'[]+'.format(punctuation),'',line)
但是这样不能够将标点符号去除完全，比如python’s中的“ ’ ”就不能被去掉，请问该怎么做？

我的理解是  python’s的“ ’ ”也是字符 ，和标点符号一样。你只要把去除的字符都加到正则表达式的括号中就可以了。 ，所以：

import re

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

line=re.sub(r,'',"python’s")

print line

参考技术A

先定义变量 punctuation，其内容应该是所有的标点符号。

例如：import repunctuation def removePunctuation...

Python是一种面向对象、直译式计算机程序设计语言，由荷兰人Guido van Rossum发明于1989年，1991年发行第一个公开发行版。它常被昵称为胶水语言，它能够很轻松的把用其他语言制作的各种模块（尤其是C/C++）轻松地联结在一起。

Python是纯粹的自由软件， 源代码和解释器CPython遵循 GPL协议。语法简洁清晰，特色之一是强制用空白符作为语句缩进。名字来源于一个喜剧，最初设计Python这种语言的人并没有想到Python会在工业和科研上获得如此广泛的使用。

参考技术B line.translate(None,punctuation)

追问

报错：
translate() takes exactly one argument (2 given)

追答

python啥版本。。line是string？

看文档https://docs.python.org/2/library/stdtypes.html#str.translate

unicode 真麻烦。。上了次stackoverflow才找到。。。

import unicodedata
import sys

tbl = dict.fromkeys(i for i in xrange(sys.maxunicode)
                      if unicodedata.category(unichr(i)).startswith('P'))
def remove_punctuation(text):
    return text.translate(tbl)
    
    
#你爽了直接 remove_punctuation(line)
#或者屌屌的这样：
import regex as re

def remove_punctuation(text):
    return re.sub(ur"\\pP+", "", text)

本回答被提问者采纳

如何在 python 中替换正则表达式？

【中文标题】如何在 python 中替换正则表达式？

【英文标题】：How do I do this replace regex in python?

【发布时间】：2011-03-19 21:00:45

【问题描述】：

给定一串文本，在 Python 中：

s = "(((((hi abc )))))))"
s = "***(((((hi abc ***&&&&"

如何将出现超过 3 次的所有非字母符号替换为空白字符串

对于以上所有，结果应该是：

hi abc

【问题讨论】：

如果输入为"(&*hello!@#"，输出应该是什么？

【参考方案1】：

这应该有效：\W3,：匹配出现 3 次或更多次的非字母数字：

>>> s = "***(((((hi abc ***&&&&"
>>> re.sub("\W3,", "", s) 
'hi abc'
>>> s = "(((((hi abc )))))))"
>>> re.sub("\W3,", "", s) 
'hi abc'

【讨论】：

@John：正确。示例包括“***”，所以我猜测他想要 3+……我相信，鉴于这个解决方案，他可以弄清楚如何添加一个。 （这就是为什么我用斜体3个或更多）

【参考方案2】：

如果您想替换任何非空格非字母数字序列（例如'!?&' 以及您的示例），@Stephen 的答案很好。但如果您只想替换三个或更多相同非字母字符的序列，反向引用会有所帮助：

>>> r3 = re.compile(r'(([^\s\w])\22,)')
>>> r3.findall('&&&xxx!&?yyy*****')
[('&&&', '&'), ('*****', '*')]

所以，例如：

>>> r3.sub('', '&&&xxx!&?yyy*****')
'xxx!&?yyy'

【讨论】：

+1，我回来为我的答案添加反向引用，但我会让你拥有它... :)

@John，是的，但正如@Stephen 已经解释的那样，OP 在英语中犯了一个小错误，而不是在他的期望行为示例中完全大错特错；-)。

【参考方案3】：

您不能（很容易，使用正则表达式）将其替换为与被替换文本长度相同的“空白字符串”。您可以将其替换为空字符串 "" 或单个空格 " " 或您选择的任何其他常量字符串；我在示例中使用了"*"，以便更容易看到正在发生的事情。

>>> re.sub(r"(\W)\13,", "*", "12345<><>aaaaa%%%11111<<<<..>>>>")
'12345<><>aaaaa%%%11111*..*'
>>>

仔细注意：它不会改变“”......我假设“出现超过 3 次的非字母符号”意味着相同的符号必须发生超过 3 次”。我还假设您的意思是“超过 3”而不是“3 或更多”。