Melhor maneira de faixa de pontuação de uma string

Question

Parece que deve haver uma maneira mais simples do que:

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

Existe?

Answer 1

Do ponto de vista da eficiência, você não está indo para vencer

s.translate(None, string.punctuation)

Para versões mais elevados de Python usar o seguinte código:

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

Ele está realizando operações de cadeia matérias em C com uma tabela de pesquisa - não há muito que vai bater isso, mas escrever seu próprio código C

.

Se a velocidade não é uma preocupação, uma outra opção, porém, é:

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

Esta é mais rápido do que s.replace com cada char, mas não irá executar, bem como python não-puro abordagens como expressões regulares ou string.translate, como você pode ver a partir do abaixo horários. Para este tipo de problema, fazê-lo em um nível tão baixo quanto possível compensa.

código Timing:

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)

Isto dá os seguintes resultados:

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

Answer 2

As expressões regulares são bastante simples, se você conhecê-los.

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

No código acima, estamos substituindo (re.sub) todos os não [caracteres alfanuméricos (\ w) e espaços (\ s)] com string vazia.
Conseqüentemente . e? pontuação não vai estar presente na variável 's' depois de executar s variável através de regex.

Answer 3

Para a conveniência de uso, eu resumir a nota de striping pontuação de uma corda em ambos Python 2 e Python 3. Por favor, consulte outras respostas para a descrição detalhada.

---

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({key: None for key in string.punctuation})
new_s = s.translate(table)                          # Output: string without punctuation

Answer 4

myString.translate(None, string.punctuation)

Answer 5

Eu costumo usar algo como isto:

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

Answer 6

string.punctuation é ASCII única ! A mais correta (mas também muito mais lento) maneira é usar o módulo unicodedata:

# -*- 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

Answer 7

Não necessariamente mais simples, mas de forma diferente, se você está mais familiarizado com a família re.

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

Answer 8

Para Python 3 str ou Python 2 valores unicode, str.translate() leva apenas um dicionário; codepoints (inteiros) são procurados em que o mapeamento e tudo mapeado para None é removida.

Para remover (alguns?) Pontuação, em seguida, use:

import string

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

O dict.fromkeys() método de classe torna trivial para criar o mapeamento, definindo todos os valores para None com base na sequência de teclas.

Para remover todas pontuação, não apenas a pontuação ASCII, suas necessidades de tabela para ser um pouco maior; consulte J.F. de Sebastian resposta (Python 3 versão):

import unicodedata
import sys

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

Answer 9

string.punctuation perde um monte de marcas de pontuação que são comumente usados ??no mundo real. Como sobre uma solução que funciona para a pontuação não-ASCII?

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()

Pessoalmente, eu acredito que esta é a melhor maneira para remover a pontuação de uma string em Python porque:

• Ele remove todos os Unicode pontuação
• É facilmente modificáveis, por exemplo, você pode remover o \{S} se você deseja remover a pontuação, mas manter símbolos como $.
• Você pode ficar muito específico sobre o que você deseja manter eo que você deseja remover, por exemplo \{Pd} só irá remover traços.
• Este regex também normaliza espaço em branco. Ele mapeia guias, retornos de carro, e outras esquisitices para Nice, espaços simples.

Isto usa as propriedades de caracteres Unicode, que você pode ler mais sobre a Wikipedia .

Answer 10

Isto pode não ser a melhor solução no entanto, isso é como eu fiz isso.

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

Answer 11

Aqui está uma função que eu escrevi. Não é muito eficiente, mas é simples e você pode adicionar ou remover qualquer pontuação que você deseja:

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

Answer 12

Aqui está um one-liner para Python 3.5:

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}))

Answer 13

Eu não vi essa resposta ainda. Basta usar um regex; ele remove todos os caracteres, além de caracteres de palavras (\w) e caracteres numéricos (\d), seguido por um espaço em branco (\s):

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

Answer 14

Aqui está uma solução sem regex.

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

• Substitui as pontuações com espaços
• Substitua múltiplos espaços entre as palavras com um espaço único
• Remova os espaços à direita, se houver, com tira ()

Answer 15

Assim como uma atualização, eu reescrevi o exemplo @ Brian em Python 3 e fez alterações para que ele se mova regex dentro etapa de compilação da função. Meu pensamento aqui era tempo de cada passo necessário para fazer o trabalho função. Talvez você estiver usando computação distribuída e não pode ter objeto regex compartilhada entre os seus trabalhadores e necessidade de ter etapa re.compile a cada trabalhador. Além disso, eu estava curioso para tempo de duas implementações diferentes de maketrans para Python 3

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

vs

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

Além disso, eu adicionei um outro método para definir o uso, onde eu tirar proveito da função cruzamento para reduzir o número de iterações.

Este é o código completo:

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))

Este é meus resultados:

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

Answer 16

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


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

Answer 17

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

Answer 18

Um one-liner pode ser útil em casos não muito estritas:

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

Answer 19

#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

Answer 20

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 ("____________")

Answer 21

palavras Remove parada do arquivo de texto usando Python

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')

Answer 22

Este é como mudar seus documentos para maiúsculas ou minúsculas.

print('@@@@This is lower case@@@@')

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

    str1=myFile.read()
    str1.lower()
print(str1.lower())

print('*****This is upper case****')

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

    str1=myFile.read()

    str1.upper()

print(str1.upper())

Answer 23

Eu gosto de usar uma função como esta:

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