多个标点剥离答案

【问题标题】：Multiple punctuation stripping多个标点剥离
【发布时间】：2012-09-12 06:02:57
【问题描述】：

我在这里尝试了多种解决方案，尽管它们剥离了一些代码，但它们似乎不适用于多个标点符号。 “[ 或者 '，这段代码：

regex = re.compile('[%s]' % re.escape(string.punctuation))
    for i in words:
        while regex.match(i):
            regex.sub('', i)

我来自： Best way to strip punctuation from a string in Python 很好，但我仍然遇到双标点的问题。我添加了While 循环，希望对每个单词进行迭代以删除多个标点符号，但这似乎不起作用，它只是卡在第一项“[并且没有退出它

我只是错过了一些明显的部分，我也只是忘记了吗？

我通过添加冗余和双循环我的列表解决了这个问题，由于相当大的集合，这需要很长时间（甚至几分钟）

我使用 Python 2.7

【问题讨论】：

你能在regex.sub('',???) 不起作用的地方添加一个示例字符串吗？（也就是说，填写???）。
不确定您要说实话，用示例字符串代替 i？
是的，这就是我要的。对我来说，看起来你拥有的正则表达式/子应该可以工作......一个显示它失败的具体例子会很有帮助。
我在 regex.sub('', i) 上面添加了 print i 并导致无限 [" 必须控制 C 出来。我测试了标点符号集，两项都包括在内。我很困惑
所以它遇到问题的字符串是["——因为你使用的re将'["'变成''没有问题（至于无限循环，请查看答案@LukasGraf）。

标签： python regex string punctuation

【解决方案1】：

您的代码不起作用，因为regex.match 需要字符串的开头或完整字符串来匹配。

另外，您没有对regex.sub() 的返回值做任何事情。 sub 不起作用，但您需要将其结果分配给某物。

regex.search 如果在字符串中的任何位置找到该模式并按预期工作，则返回匹配项：

import re
import string

words = ['a.bc,,', 'cdd,gf.f.d,fe']

regex = re.compile('[%s]' % re.escape(string.punctuation))
for i in words:
    while regex.search(i):
        i = regex.sub('', i)
    print i

编辑：正如@senderle 所指出的，while 子句不是必需的，可以完全省略。

【讨论】：

哦，对了。 拍打额头。但是——在那种情况下，while 子句是否必要？为什么不直接打电话给sub？
@senderle 好点，你说得对，while 子句是不必要的。
还是不行，我加了 if regex.search(i) 你的 print i 在哪里，它仍然输入 if 语句，我什至不知道这怎么可能
@rodling 您是否还阅读了我关于分配 re.sub 的返回值的评论？注意我的代码中的i = ...。
@rodling，那么您在我们看不到的代码的另一部分也做错了。我发布的代码有效，如果你用if regex.search(i): ... 替换该sn-p 中的print i，它将不会进入该if 语句。您能否将您的问题简化为一个可执行且包含一些数据的测试用例，并说明为什么它没有按应有的方式运行？

【解决方案2】：

这将替换所有不是字母数字的...

re.sub("[^a-zA-Z0-9 ]","",my_text)


>>> re.sub("[^a-zA-Z0-9 ]","","A [Black. Cat' On a Hot , tin roof!")
'A Black Cat On a Hot  tin roof'

【讨论】：

【解决方案3】：

这是一个简单的方法：

>>> print str.translate("My&& Dog's {{{%!@#%!@#$L&&&ove Sal*mon", None,'~`!@#$%^&*()_+=-[]\|}{;:/><,.?\"\'')
>>> My Dogs Love Salmon

使用这个 str.translate 函数将消除标点符号。我通常用它来消除 DNA 序列读数中的数字。

【讨论】：