Question

我有以下句子，我想删除所有标点符号。

首页 » 政策法规 » 正文吉林省实施《中华人民共和国老年人权益保障法》若干规定   发布时间： 2008-01-04

我想删除所有中文标点符号，包括空格“”。以下是我的代码：

line = line.decode("utf8")
line = re.sub("[\s+\.\!\/_,$%^*(+\"\']+|[+——！，。？、~@#￥%……&*（）：；《）《》“”()»〔〕-]+".decode("utf8"), "".decode("utf8"),line)

但是，我仍然没有删除空白空间。我想知道是否有更简单的方法来删除中文标点符号？

Answer 1

因为大多数中文标点符号为 unicode ，我们必须将字符串转换为 unicode 才能删除中文标点符号。

# !/usr/bin/env python2
# -*- coding:utf-8 -*-  


import re
punc = "！？｡。＂＃＄％＆＇（）＊＋，－／：；＜＝＞＠［＼］＾＿｀｛｜｝～｟｠｢｣､、〃》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〾〿–—‘’‛“”„‟…‧﹏."
punc = punc.decode("utf-8")
line = "测试。。去除标点。。，、！"
print re.sub(ur"[%s]+" %punc, "", line.decode("utf-8"))

Answer 2

re.sub是sub(pattern, repl, string, count=0, flags=0)

作为您的代码，pattern是unicode，repl也是unicode（实际上，不需要解码），

但是string是utf-8编码的字符串，而不是 unicode 。

试试这个，

print re.sub(ur"[\s+\.\!\/_,$%^*(+\"\']+|[+——！，。？、~@#￥%……&*（）：；《）《》“”()»〔〕-]+", "", s.decode("utf8"))

如何在Python中删除中文标点符号

2 个答案: