如何拆分句子，只让ascii字符

Question

我想拆分一个句子将单词转换为标签（在Mongodb中进行简单的全文搜索），我不想保存逗号或冒号：

phrase = "hello, this is a simple description!"
pattern  = "[\"\'\!\?\:\,\;]"

我试过这个：

re.split(pattern, phrase)
Out[1]: ['hello', ' this is a simple description', ''] # as you can see, i've always blank characters.

我想删除所有“非字母字符”，有phrase.replace(",", " ")但只替换一个字符，那么如何使用正则表达式替换？ sssomelike re.remove(pattern, phrase)，是否有一个循环，这对服务器来说是一项繁重的工作吗？

Answer 1

non-regex解决方案： 使用strip()，但您需要将所有非字母字符传递给它。

类似于：strip(',!*&^%#$;:+')

In [12]: phrase = "hello, this is: a simple; description!!"
In [13]:  [x.strip(',!*&^%#$;:+') for x in phrase.split()]

Out[13]: ['hello', 'this', 'is', 'a', 'simple', 'description']

Answer 2

如果您拆分非单词字符\W，那么应该只留下一系列单词。