如何在 Python 中删除列表的标点符号？答案

【问题标题】：How to remove punctuations of a list in Python?如何在 Python 中删除列表的标点符号？
【发布时间】：2018-06-11 13:18:59
【问题描述】：

我完全是 nltk 和 python 的新手。我的任务是从 url 中提取所有文本。在阅读 nltk 文档后，我尝试并能够从指定的 url 中提取文本。我主要关心的是如何从提取的列表中删除特殊字符（如 .,-,"",'',!,）。下面提到的代码不适用于 html 网页的 <li> </li> 标记内的文本。因此，总是将点. 附加到<li> 标记内文本的最后一个单词。任何帮助都深表感谢。源码如下。

from bs4 import BeautifulSoup 
import urllib.request
import nltk
from nltk.corpus import stopwords
from nltk.stem import WordNetLemmatizer
response = urllib.request.urlopen('https://en.wikipedia.org/wiki/Electronics') 
f=open('corpus.txt','w+')
html = response.read() 
soup = BeautifulSoup(html,"html.parser") 
text = soup.get_text(strip=True)
tokens = [t for t in text.split()]
clean_tokens = tokens[:] 
sr = stopwords.words('english') 
for token in tokens: 
if token in sr: 
   clean_tokens.remove(token) 
   freq = nltk.FreqDist(clean_tokens) 
   for normalize,val in freq.items(): 
       lemmatizer=WordNetLemmatizer()
       corpus_refi=lemmatizer.lemmatize(str(normalize) + ':' + str(val), pos="a")
       corpus_refi=corpus_refi.lower()
       print(corpus_refi)

【问题讨论】：

您在这一行缺少' response = urllib.request.urlopen('https://wikipedia.org)
现在已被编辑。感谢您的建议。

标签： python nlp html-lists punctuation

【解决方案1】：

我不确定我是否正确理解了您的问题，但如果您想检测标点符号，您可以执行类似的操作。

from string import punctuation
punc = set(punctuation)
# then inside your for loop, you can either skip if
if token not in punc:

如果标记包含多个字符，其中一个是标点符号。要删除它，您可以执行类似的操作

token = translate(token.maketrans('', '', string.punctuation))

【讨论】：