从字符串中删除标点符号的最佳方法


635

似乎应该有一个比以下方法更简单的方法:

import string
s = "string. With. Punctuation?" # Sample string 
out = s.translate(string.maketrans("",""), string.punctuation)

在那儿?


3
对我来说似乎很简单。为什么要更改它?如果您想要更轻松,只需将您刚才编写的内容包装在函数中即可。
汉尼斯·奥夫雷恩

2
好吧,使用str.translate的某种副作用来做这项工作似乎有点骇人听闻。我当时在想,也许有更多类似str.strip(chars)的东西可以在整个字符串上工作,而不仅仅是我错过的边界。
劳伦斯·约翰斯顿

2
也取决于数据。在服务器名称带有下划线作为名称的一部分(在某些地方非常常见)的数据上使用此方法可能是不好的。只需确保您知道数据及其包含的内容,否则最终可能会遇到麻烦问题。
EBGreen

54
还取决于您所谓的标点符号。“ The temperature in the O'Reilly & Arbuthnot-Smythe server's main rack is 40.5 degrees.”正好包含一个标点符号,第二个“。”
约翰·

37
我很惊讶没有人提到string.punctuation根本不包含非英语标点符号。我在考虑。,!?:×””〟,依此类推。
克莱门特

Answers:


927

从效率的角度来看,您不会被击败

s.translate(None, string.punctuation)

对于更高版本的Python,请使用以下代码:

s.translate(str.maketrans('', '', string.punctuation))

它使用查找表在C语言中执行原始字符串操作-除了编写自己的C代码之外,没有什么比这更好的了。

如果不担心速度,那么另一个选择是:

exclude = set(string.punctuation)
s = ''.join(ch for ch in s if ch not in exclude)

这比每个char的s.replace更快,但效果不如regexes或string.translate等非纯python方法,如下面的时序所示。对于这种类型的问题,在尽可能低的水平上进行操作会有所回报。

时间码:

import re, string, timeit

s = "string. With. Punctuation"
exclude = set(string.punctuation)
table = string.maketrans("","")
regex = re.compile('[%s]' % re.escape(string.punctuation))

def test_set(s):
    return ''.join(ch for ch in s if ch not in exclude)

def test_re(s):  # From Vinko's solution, with fix.
    return regex.sub('', s)

def test_trans(s):
    return s.translate(table, string.punctuation)

def test_repl(s):  # From S.Lott's solution
    for c in string.punctuation:
        s=s.replace(c,"")
    return s

print "sets      :",timeit.Timer('f(s)', 'from __main__ import s,test_set as f').timeit(1000000)
print "regex     :",timeit.Timer('f(s)', 'from __main__ import s,test_re as f').timeit(1000000)
print "translate :",timeit.Timer('f(s)', 'from __main__ import s,test_trans as f').timeit(1000000)
print "replace   :",timeit.Timer('f(s)', 'from __main__ import s,test_repl as f').timeit(1000000)

得到以下结果:

sets      : 19.8566138744
regex     : 6.86155414581
translate : 2.12455511093
replace   : 28.4436721802

27
感谢您提供的计时信息,我当时正在考虑自己做类似的事情,但是您编写的东西比我做过的任何事情都要好,现在我可以将其用作将来要编写的任何计时代码的模板:)。
劳伦斯·约翰斯顿,

29
好答案。您可以通过删除表格来简化它。该文件说:“设置表格参数为无翻译,只有删除字符”(docs.python.org/library/stdtypes.html#str.translate
亚历山德罗水手

3
值得一提的是,str和unicode对象的translate()的行为也有所不同,因此您需要确保始终使用相同的数据类型,但是此答案中的方法对两者都同样有效,这很方便。
理查德J

36
在Python3中, table = string.maketrans("","")应替换为table = str.maketrans({key: None for key in string.punctuation})
SparkAndShine '16

19
从Python 3.6开始,更新讨论内容regex是最有效的方法!它几乎比翻译快2倍。而且,设置和替换不再那么糟糕!它们都提高了4倍以上:)
Ryan Soklaski

143

如果您知道正则表达式,就足够简单了。

import re
s = "string. With. Punctuation?"
s = re.sub(r'[^\w\s]','',s)

4
@Outlier说明:不能将(^)单词字符或空格替换为空字符串。但是请注意,例如\ w也通常会与下划线匹配。
马提亚斯(Matthias)

4
@SIslam我认为它将与设置了unicode标志的unicode一起使用,即s = re.sub(r'[^\w\s]','',s, re.UNICODE)。在Linux上使用python 3对其进行测试,即使没有使用泰米尔语字母flag的标志也可以正常工作。
马提亚斯(Matthias)

@Matthias我在Mac上使用Python 3.6.5尝试了代码,泰米尔字母输出看起来有些不同,输入தமிழ்变成了தமழ。我不了解泰米尔语,不确定是否可以预期。
shiouming

70

为了方便使用,我在Python 2和Python 3中总结了从字符串中删除标点符号的注意事项。有关详细说明,请参阅其他答案。


Python 2

import string

s = "string. With. Punctuation?"
table = string.maketrans("","")
new_s = s.translate(table, string.punctuation)      # Output: string without punctuation

Python 3

import string

s = "string. With. Punctuation?"
table = str.maketrans(dict.fromkeys(string.punctuation))  # OR {key: None for key in string.punctuation}
new_s = s.translate(table)                          # Output: string without punctuation

51
myString.translate(None, string.punctuation)

4
啊,我试过了,但是在所有情况下都行不通。myString.translate(string.maketrans(“”,“”),string。标点符号)可以正常工作。
艾丹·凯恩

12
请注意,对于strPython 3和unicodePython 2,deletechars不支持该参数。
2012年

4
myString.translate(string.maketrans(“”,“”),string。标点符号)不适用于unicode字符串(很难找到)
Marc Maxmeister 2014年

44
TypeError: translate() takes exactly one argument (2 given):(
Brian Tingle

3
@BrianTingle:在我的注释中查看Python 3代码(它传递了一个参数)。按照链接,看到的Python 2代码使用Unicode工程Python的3适应
JFS

29

我通常使用这样的东西:

>>> s = "string. With. Punctuation?" # Sample string
>>> import string
>>> for c in string.punctuation:
...     s= s.replace(c,"")
...
>>> s
'string With Punctuation'

2
丑陋的单线:reduce(lambda s,c: s.replace(c, ''), string.punctuation, s)
jfs 2012年

1
很棒,但是并不能消除更长的连字符之类的
动摇

25

string.punctuation是ASCII !一种更正确(但也慢得多)的方法是使用unicodedata模块:

# -*- coding: utf-8 -*-
from unicodedata import category
s = u'String — with -  «punctation »...'
s = ''.join(ch for ch in s if category(ch)[0] != 'P')
print 'stripped', s

您也可以概括和去除其他类型的字符:

''.join(ch for ch in s if category(ch)[0] not in 'SP')

它还会~*+§$根据个人的视点去掉那些可能为“标点”或不为“标点”的字符。



不幸的是,类似~的东西不属于标点符号类别。您还需要测试“符号”类别。
CJ杰克逊

24

如果您对re家族更加熟悉,则不一定会更简单,但会采用另一种方式。

import re, string
s = "string. With. Punctuation?" # Sample string 
out = re.sub('[%s]' % re.escape(string.punctuation), '', s)

1
之所以有效,是因为string。标点符号具有序列-。以正确的,递增的,无间隙的ASCII顺序排列。尽管Python拥有此权利,但是当您尝试使用string。标点符号的子集时,由于出现意外的“-”,它可能成为了一个阻碍因素。
S.Lott

2
实际上,它仍然是错误的。序列“ \]”被当作转义符(巧合的是,没有关闭]从而绕过了另一个失败),但是却使\不转义。您应该使用re.escape(string.punctuation)来防止这种情况。
布赖恩

1
是的,我省略了它,因为它可以使示例简单化,但是您应该将其合并。
Vinko Vrsalovic

13

对于Python 3 str或Python 2 unicode值,str.translate()只需要一个字典;在该映射中查找代码点(整数),并None删除所有映射到的代码点。

然后要删除(某些?)标点符号,请使用:

import string

remove_punct_map = dict.fromkeys(map(ord, string.punctuation))
s.translate(remove_punct_map)

使用dict.fromkeys()class方法可以轻松创建映射,并None根据键序列将所有值设置为。

要删除所有标点符号,而不仅仅是ASCII标点符号,您的表需要更大一些。参见JF Sebastian的答案(Python 3版本):

import unicodedata
import sys

remove_punct_map = dict.fromkeys(i for i in range(sys.maxunicode)
                                 if unicodedata.category(chr(i)).startswith('P'))

仅支持Unicode string.punctuation还不够。看到我的答案
jfs

@JFSebastian:的确,我的回答是使用与投票最多的字符相同的字符。添加了表的Python 3版本。
马丁·彼得斯

投票最多的答案仅适用于ASCII字符串。您的答案明确要求Unicode支持。
jfs 2014年

1
@JFSebastian:它适用于Unicode字符串。它去除ASCII标点符号。我从未声称它会删除所有标点符号。:-)重点是为unicode对象和Python 2 str对象提供正确的技术。
皮特斯

12

string.punctuation错过了现实世界中常用的大量标点符号。一种适用于非ASCII标点的解决方案怎么样?

import regex
s = u"string. With. Some・Really Weird、Non?ASCII。 「(Punctuation)」?"
remove = regex.compile(ur'[\p{C}|\p{M}|\p{P}|\p{S}|\p{Z}]+', regex.UNICODE)
remove.sub(u" ", s).strip()

我个人认为这是从Python中的字符串中删除标点符号的最佳方法,因为:

  • 删除所有Unicode标点符号
  • 它很容易修改,例如,\{S}如果要删除标点符号,则可以将其删除,但要保留诸如$
  • 您可以真正确定要保留的内容和要删除的内容,例如\{Pd}仅删除破折号。
  • 此正则表达式还规范了空格。它将制表符,回车符和其他奇数映射到漂亮的单个空格。

它使用Unicode字符属性,您可以在Wikipedia上了解更多信息


9

我还没有看到这个答案。只需使用正则表达式即可;它会删除单词字符(\w)和数字字符(\d)之外的所有字符,然后删除空格字符(\s):

import re
s = "string. With. Punctuation?" # Sample string 
out = re.sub(ur'[^\w\d\s]+', '', s)

1
\d是多余的,因为它是的子集\w
blhsing

数字字符被认为是单词字符的子集吗?我认为单词字符是可以构成真实单词的任何字符,例如a-zA-Z?
Blairg23 '19

是的,正则表达式中的“单词”包括字母,数字和下划线。请参阅\w文档中的说明:docs.python.org/3/library/re.html
blhsing

8

这是Python 3.5的一线式:

import string
"l*ots! o(f. p@u)n[c}t]u[a'ti\"on#$^?/".translate(str.maketrans({a:None for a in string.punctuation}))

7

这可能不是最佳解决方案,但是这就是我的方法。

import string
f = lambda x: ''.join([i for i in x if i not in string.punctuation])

6

这是我编写的函数。它不是很有效,但是很简单,您可以添加或删除所需的标点符号:

def stripPunc(wordList):
    """Strips punctuation from list of words"""
    puncList = [".",";",":","!","?","/","\\",",","#","@","$","&",")","(","\""]
    for punc in puncList:
        for word in wordList:
            wordList=[word.replace(punc,'') for word in wordList]
    return wordList

5
import re
s = "string. With. Punctuation?" # Sample string 
out = re.sub(r'[^a-zA-Z0-9\s]', '', s)

似乎仅适用于ASCII字符。
大约

5

作为更新,我重写了Python 3中的@Brian示例并对其进行了更改,以将regex编译步骤移至函数内部。我的想法是计时使该功能起作用所需的每个步骤。也许您使用的是分布式计算,并且您的工作人员之间无法共享正则表达式对象,因此需要re.compile在每个工作人员中走一步。另外,我很好奇地为Python 3的maketrans的两种不同实现计时了

table = str.maketrans({key: None for key in string.punctuation})

table = str.maketrans('', '', string.punctuation)

另外,我添加了另一种使用set的方法,其中利用了交集函数来减少迭代次数。

这是完整的代码:

import re, string, timeit

s = "string. With. Punctuation"


def test_set(s):
    exclude = set(string.punctuation)
    return ''.join(ch for ch in s if ch not in exclude)


def test_set2(s):
    _punctuation = set(string.punctuation)
    for punct in set(s).intersection(_punctuation):
        s = s.replace(punct, ' ')
    return ' '.join(s.split())


def test_re(s):  # From Vinko's solution, with fix.
    regex = re.compile('[%s]' % re.escape(string.punctuation))
    return regex.sub('', s)


def test_trans(s):
    table = str.maketrans({key: None for key in string.punctuation})
    return s.translate(table)


def test_trans2(s):
    table = str.maketrans('', '', string.punctuation)
    return(s.translate(table))


def test_repl(s):  # From S.Lott's solution
    for c in string.punctuation:
        s=s.replace(c,"")
    return s


print("sets      :",timeit.Timer('f(s)', 'from __main__ import s,test_set as f').timeit(1000000))
print("sets2      :",timeit.Timer('f(s)', 'from __main__ import s,test_set2 as f').timeit(1000000))
print("regex     :",timeit.Timer('f(s)', 'from __main__ import s,test_re as f').timeit(1000000))
print("translate :",timeit.Timer('f(s)', 'from __main__ import s,test_trans as f').timeit(1000000))
print("translate2 :",timeit.Timer('f(s)', 'from __main__ import s,test_trans2 as f').timeit(1000000))
print("replace   :",timeit.Timer('f(s)', 'from __main__ import s,test_repl as f').timeit(1000000))

这是我的结果:

sets      : 3.1830138750374317
sets2      : 2.189873124472797
regex     : 7.142953420989215
translate : 4.243278483860195
translate2 : 2.427158243022859
replace   : 4.579746678471565

4
>>> s = "string. With. Punctuation?"
>>> s = re.sub(r'[^\w\s]','',s)
>>> re.split(r'\s*', s)


['string', 'With', 'Punctuation']

2
请编辑更多信息。不建议使用纯代码和“尝试此”答案,因为它们不包含可搜索的内容,并且不解释为什么有人应该“尝试此”。
Paritosh

4

这是没有正则表达式的解决方案。

import string

input_text = "!where??and!!or$$then:)"
punctuation_replacer = string.maketrans(string.punctuation, ' '*len(string.punctuation))    
print ' '.join(input_text.translate(punctuation_replacer).split()).strip()

Output>> where and or then
  • 用空格替换标点符号
  • 用单个空格替换单词之间的多个空格
  • 如果有strip(),请删除尾随空格

4

在不太严格的情况下,单线可能会有所帮助:

''.join([c for c in s if c.isalnum() or c.isspace()])

2
#FIRST METHOD
#Storing all punctuations in a variable    
punctuation='!?,.:;"\')(_-'
newstring='' #Creating empty string
word=raw_input("Enter string: ")
for i in word:
     if(i not in punctuation):
                  newstring+=i
print "The string without punctuation is",newstring

#SECOND METHOD
word=raw_input("Enter string: ")
punctuation='!?,.:;"\')(_-'
newstring=word.translate(None,punctuation)
print "The string without punctuation is",newstring


#Output for both methods
Enter string: hello! welcome -to_python(programming.language)??,
The string without punctuation is: hello welcome topythonprogramminglanguage

2
with open('one.txt','r')as myFile:

    str1=myFile.read()

    print(str1)


    punctuation = ['(', ')', '?', ':', ';', ',', '.', '!', '/', '"', "'"] 

for i in punctuation:

        str1 = str1.replace(i," ") 
        myList=[]
        myList.extend(str1.split(" "))
print (str1) 
for i in myList:

    print(i,end='\n')
    print ("____________")

0

为什么你们没人使用这个?

 ''.join(filter(str.isalnum, s)) 

太慢了?


请注意,这也会删除空格。
乔治,


-1

使用Python从文本文件中删除停用词

print('====THIS IS HOW TO REMOVE STOP WORS====')

with open('one.txt','r')as myFile:

    str1=myFile.read()

    stop_words ="not", "is", "it", "By","between","This","By","A","when","And","up","Then","was","by","It","If","can","an","he","This","or","And","a","i","it","am","at","on","in","of","to","is","so","too","my","the","and","but","are","very","here","even","from","them","then","than","this","that","though","be","But","these"

    myList=[]

    myList.extend(str1.split(" "))

    for i in myList:

        if i not in stop_words:

            print ("____________")

            print(i,end='\n')

-2

我喜欢使用这样的功能:

def scrub(abc):
    while abc[-1] is in list(string.punctuation):
        abc=abc[:-1]
    while abc[0] is in list(string.punctuation):
        abc=abc[1:]
    return abc

1
这是从头到尾剥离字符;使用abc.strip(string.punctuation)代替。不会删除中间的此类字符。
马丁·皮特斯
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.