Question

我试图从我的文本文件中删除标点符号列表，但我只有一个问题，即从连字符分隔的单词。例如，如果我有＆＃34;创伤后＆＃34;我得到＆＃34; posttrama＆＃34;相反，我想得到＆＃34; post＆＃34; ＆＃34;创伤＆＃34;

我的代码是：

 punct=['!', '#', '"', '%', '$', '&', ')', '(', '+', '*', '-'] 

 with open(myFile, "r") as f:
      text= f.read()
      remove = '|'.join(REMOVE_LIST) #list of word to remove
      regex = re.compile(r'('+remove+r')', flags=re.IGNORECASE) 
      out = regex.sub("", text)

      delta= " ".join(out.split())
      txt = "".join(c for c in delta if c not in punct )

有没有办法解决它？

Answer 1

我相信您可以在delta上调用内置的replace函数，因此您的最后一行将成为以下内容：

txt = "".join(c for c in delta.replace("-", " ") if c not in punct )

这意味着文本中的所有连字符都将成为空格，因此这些单词将被视为分开。

Answer 2

上述方法可能无效，因为您仍然从初始字符串中删除所有短划线（“ - ”）字符。如果您希望它工作，请从列表punct中删除它。更新后的代码如下所示：

punct=['!', '#', '"', '%', '$', '&', ')', '(', '+', '*'] 

 with open(myFile, "r") as f:
      text= f.read()
      remove = '|'.join(REMOVE_LIST) #list of word to remove
      regex = re.compile(r'('+remove+r')', flags=re.IGNORECASE) 
      out = regex.sub("", text)

      delta= " ".join(out.split())
      txt = "".join(c for c in delta.replace("-", " ") if c not in punct )

问题来自于您用空字符串替换punct中的所有字符，并且您想要“ - ”的空格。因此，您需要将字符替换两次（一次使用空字符串，一次使用空格）。

Python从文本文件中删除标点符号

2 个答案: