Python 3 省略字符 - 天真的方法

Question

我有一个非常长的文本文件，我打开并保存到一个字符串变量中，我希望删除其中的所有特殊字符并用空格替换它。我不允许导入其他库，所以我必须保持它非常幼稚。我想通过我的文本文件运行一个 for 循环，比较给定的标点符号是否在文本中，然后用“”替换它。然后我会打印更新的文本字符串，出于某种原因（可能是一个受过训练的眼睛的简单修复）我无法删除特殊字符。根据说明，我需要先删除特殊字符，然后再将文本文件的字符串拆分为单词列表。

alice_txt = "Hi! Is my name Alice? I can\"t be too sure about that!" 
def omit_punctuation():
    punct_string = ",.!?;:][-\""
    punct_list = [",",".","!","?",";",":","]","[","-","\""]
    punct_omit = ""
    for mark in punct_list: 
        if mark in alice_txt:
            punct_omit += alice_txt.replace(mark, " ")
    print(punct_omit)
    
omit_characters()

输出：

嗨，我叫爱丽丝吗？我不能太确定你好！我的名字是爱丽丝吗？我不能太确定！你好！我叫爱丽丝吗？我不能太确定！

而不是想要的：嗨，我叫 Alice，我不太确定

我已经使用 punctuation_list 和 :_string 尝试了 for 循环。它看起来（如代码所述）正在查看每个标记，并且当它找到该标记时，它会替换迭代中的每个连续标记，但不会存储每次下一次迭代的替换。在这种方法中我不明白什么？

Answer 1

当在punctuation_list 中找不到该字符时，您需要将其添加到punct_omit。否则，你得到的只是空格，而不是普通字符。

您无需调用replace()，只需在punct_omit 后面附加一个空格即可。

另外，您应该遍历文本，而不是 punctuation_string。

def omit_characters(text):
    punctuation_string = ",.!?;:][-\""
    punct_omit = ""
    for mark in text: 
        if mark in puctuation_string:
            punct_omit += " "
        else:
            punct_omit += mark
    print(punct_omit)

omit_characters(alice_text)

您也可以使用replace 进行操作。然后你需要在每次迭代中使用之前替换的字符串作为输入：

def omit_characters(text):
    punctuation_string = ",.!?;:][-\""
    for mark in punctuation_string:
        text = text.replace(mark, " ")
    print(text)

Answer 2

如果您只使用 ascii 字符，则以下内容可能会起作用。它替换了字符集。字符基本上只是一个数字 (0-128)，可以以任何方式显示（字符集），因此用您的变体替换字符集可以解决问题。
您需要将keyspace 中的不允许字符替换为\x20 以获得" "。

def int_to_charset(val, charset):
    output = ""
    while val > 0:
        val, digit = divmod(val, len(charset))
        output += charset[digit]
    # reverse the characters in the output and return
    return output[::-1]


def charset_to_int(s, charset):
    output = 0
    for char in s:
        output = output * len(charset) + charset.index(char)
    return output


def change_charset(s, original_charset, target_charset):
    intermediate_integer = charset_to_int(s, original_charset)
    return int_to_charset(intermediate_integer, target_charset)


origspace = '0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%&\'()*+,-./:;?@[\\]^_`{|}~ \t\n\r\x0b\x0c'
keyspace = '0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ\x20\x20#$%&\'()*+\x20-\x20/:;\x20@[\\]^_`{|}~ \t\n\r\x0b\x0c'

text = "Hi! Is my name Alice? I can\"t be too sure about that!"

print(change_charset(text, origspace, keyspace))