python | 字符串去除(中文、英文、数字、标点符号)

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'