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
标点符号包括中英文两种,要分开处理
string.punctuation包含所有英文标点符号
import string
string.punctuation
'!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~'
text = '''Don't worry, be happy!''' # 'Don\'t worry, be happy'
punctuation_string = string.punctuation
for i in punctuation_string:
text = text.replace(i, '')
print(text)
Dont worry be happy
import re
re.sub('[{}]'.format(punctuation_string),"",text)
'Dont worry be happy'
调用zhon包的zhon.hanzi.punctuation函数即可得到中文的标点符号集合。
from zhon.hanzi import punctuation
punctuation
'"#$%&'()*+,-/:;<=>@[\]^_`{|}~⦅⦆「」、\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'
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
'【】,##'
import re
text="aksjn ekljfk # ! len223"
temp = re.sub('[a-zA-Z]','',text)
temp
' # ! 223'
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'
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'