python

2023-08-10 04:18| 来源: 网络整理| 查看: 265

python | 字符串去除（中文、英文、数字、标点符号）去除标点符号去除英文标点符号去除中文标点符号去除中文去除英文去除数字去除空格

介绍下去除各个字母、数字、符号的方法，主要就是re的运用，去除用re.sub()，而反过来的提取用re.findall()即可

去除标点符号

标点符号包括中英文两种，要分开处理

去除英文标点符号

string.punctuation包含所有英文标点符号

import string string.punctuation '!"#$%&\'()*+,-./:;?@[\\]^_`{|}~' text = '''Don't worry, be happy!''' # 'Don\'t worry, be happy' punctuation_string = string.punctuation for i in punctuation_string: text = text.replace(i, '') print(text) Dont worry be happy import re re.sub('[{}]'.format(punctuation_string),"",text) 'Dont worry be happy' 去除中文标点符号

调用zhon包的zhon.hanzi.punctuation函数即可得到中文的标点符号集合。

from zhon.hanzi import punctuation punctuation '＂＃＄％＆＇（）＊＋，－／：；＜＝＞＠［＼］＾＿｀｛｜｝～｟｠｢｣､\u3000、〃〈〉《》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〾〿–—‘’‛“”„‟…‧﹏﹑﹔·！？｡。' text = '生活就像【】，如果＃＃' punctuation_str = punctuation for i in punctuation_str: text = text.replace(i, '') text '生活就像如果' import re re.sub('[{}]'.format(punctuation),"",text) '生活就像如果' 去除中文 import re text = '生活就像【】，如果＃＃' temp = re.sub('[\u4e00-\u9fa5]','',text) temp '【】，＃＃' from zhon.hanzi import characters import re text = '生活就像【】，如果＃＃' temp = re.sub('[{}]'.format(characters),'',text) temp '【】，＃＃' 去除英文 import re text="aksjn ekljfk # ! len223" temp = re.sub('[a-zA-Z]','',text) temp ' # ! 223' 去除数字

其实对于\d \s \w这些，小写是数字\空格\数字字母，大写即是非数字\非空格\非数字字母，可以合理运用~

import re text="哈aksjn ekljfk # ! len223" temp = re.sub('[\d]','',text) # [0-9] temp '哈aksjn ekljfk # ! len' 去除空格

有很多方法，比如： Python 字符串去除空格的方法

import re text="aksjn ekljfk # ! len223" temp = re.sub('[\s]','',text) #temp = text.strip() temp 'aksjn ekljfk # ! len223'

【本文地址】

公司简介

联系我们