Python string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
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
1
2
2
'!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~'
1
text = '''Don't worry, be happy!'''
punctuation_string = string.punctuation
for i in punctuation_string:
text = text.replace(i, '')
print(text)
1
2
3
4
5
6
2
3
4
5
6
Dont worry be happy
1
import re
re.sub('[{}]'.format(punctuation_string),"",text)
1
2
2
'Dont worry be happy'
1
# 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
1
2
2
'＂＃＄％＆＇（）＊＋，－／：；＜＝＞＠［＼］＾＿｀｛｜｝～｟｠｢｣､\u3000、〃〈〉《》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〾〿–—‘’‛“”„‟…‧﹏﹑﹔·！？｡。'
1
text = '生活就像【】，如果＃＃'
punctuation_str = punctuation
for i in punctuation_str:
text = text.replace(i, '')
text
1
2
3
4
5
6
7
2
3
4
5
6
7
'生活就像如果'
1
import re
re.sub('[{}]'.format(punctuation),"",text)
1
2
2
'生活就像如果'
1
import re
text = '生活就像【】，如果＃＃'
temp = re.sub('[\u4e00-\u9fa5]','',text)
temp
1
2
3
4
5
6
2
3
4
5
6
'【】，＃＃'
1
from zhon.hanzi import characters
import re
text = '生活就像【】，如果＃＃'
temp = re.sub('[{}]'.format(characters),'',text)
temp
1
2
3
4
5
6
7
2
3
4
5
6
7
'【】，＃＃'
1
import re
text="aksjn ekljfk # ! len223"
temp = re.sub('[a-zA-Z]','',text)
temp
1
2
3
4
5
6
2
3
4
5
6
' # ! 223'
1
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)
temp
1
2
3
4
5
6
2
3
4
5
6
'哈aksjn ekljfk # ! len'
1
# 去除空格
有很多方法，比如：
Python 字符串去除空格的方法 (opens new window)
import re
text="aksjn ekljfk # ! len223"
temp = re.sub('[\s]','',text)
temp
1
2
3
4
5
6
2
3
4
5
6
'aksjn ekljfk # ! len223'
1
上次更新: 2023/10/10, 14:48:21