Question

我正在使用阿拉伯语文本，我想删除阿拉伯语标点符号示例：

s="أهلاً بالعالم في هذه التجربة ! علامات ،الترقيم ؟ ,? لا .اتذكرها"

我希望输出也删除" ؟ ، "因为当我使用时：

import string
tr= str.maketrans("","", string.punctuation)

输出为'أهلاً بالعالم في هذه التجربة علامات ،الترقيم ؟ لا اتذكرها'

Answer 1

我正在研究类似的问题，并且偶然发现了这篇文章。这是我用来解决它的方法。希望这会有所帮助。

s="أهلاً بالعالم في هذه التجربة ! علامات ،الترقيم ؟ ,? لا .اتذكرها"

new_s = s.translate(str.maketrans('', '', '?؟ً')) # add punctuation here

print(new_s)

Answer 2

string.punctuation常量仅包含ASCII中定义的标点字符，甚至不包括与拉丁文脚本一起使用的所有符号（例如，“花哨的引号”如«»缺失）。

如果您不想自己创建所有标点字符的列表（我不愿意），您可以使用Unicode character property来判断字符是否是标点符号。内置的unicodedata模块可让您访问此信息：

>>> import unicodedata as ud
>>> for c in 'abc: قيم ؟':
...     print((c, ud.category(c))
a Ll
b Ll
c Ll
: Po
  Zs
ق Lo
ي Lo
م Lo
  Zs
؟ Po

所有类别都是双字母代码，例如“Ll”代表“字母，小写”或“Po”代表“标点符号，其他”。所有标点符号都有一个以“P”开头的类别。

您可以使用此信息过滤掉标点字符（例如，使用生成器表达式）：

>>> s = "أهلاً بالعالم في هذه التجربة ! علامات ،الترقيم ؟ ,? لا .اتذكرها"
>>> ''.join(c for c in s if not ud.category(c).startswith('P'))
'أهلاً بالعالم في هذه التجربة  علامات الترقيم   لا اتذكرها'

Python3：删除阿拉伯语标点符号

2 个答案: