欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python處理中文標(biāo)點符號大集合

 更新時間:2018年05月14日 10:31:30   投稿:mrr  
中文文本中可能出現(xiàn)的標(biāo)點符號來源比較復(fù)雜,通過匹配等手段對他們處理的時候需要格外小心,防止遺漏,下面小編給大家?guī)砹薖ython處理中文標(biāo)點符號大集合,感興趣的朋友跟隨腳本之家小編一起看看吧

中文文本中可能出現(xiàn)的標(biāo)點符號來源比較復(fù)雜,通過匹配等手段對他們處理的時候需要格外小心,防止遺漏。以下為在下處理中文標(biāo)點的時候采用的兩種方法:

中文標(biāo)點集合

比較常見標(biāo)點有這些:

?。?#65377;"?!纾ィΓВǎ?,-/:;<=>@[\]^_`{|}~⦅⦆「」、、〃》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〾〿–—‘'‛“”„‟…‧﹏.

調(diào)用zhon包的zhon.hanzi.punctuation函數(shù)即可得到這些中文標(biāo)點。

如果想用英文的標(biāo)點,則可調(diào)用string包的string.punctuation函數(shù)可得到:

!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~

因此,比如需要將所有標(biāo)點符號去除,可以進行以下操作:

>>> import re
>>> from zhon.hanzo import punctuation
>>> line = "測試。。去除標(biāo)點。。"
>>> print re.sub("[{}]+".format(punctuation), "", line.decode("utf-8")) # 需要將str轉(zhuǎn)換為unicode

當(dāng)然,如果想去除重復(fù)的符號而只保留一個,那么可以用\1指明:比如

>>> re.sub(ur"([{}])+".format(punctuation), "\1", line.decode("utf-8"))

你也可以手工指定這些標(biāo)點符號

punctuation = """?。?#65377;"?!纾ィΓВǎ?;<=>@[\]^_`{|}~⦅⦆「」、、〃》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〾〿–—‘'‛“”„‟…‧﹏"""
re_punctuation = "[{}]+".format(punctuation)
line = re.sub(re_punctuation, "", line)

可以通過直接指定unicode碼范圍的辦法來strip,比如:

去除所有半角全角符號,只留字母、數(shù)字、中文

def remove_punctuation(line):
  rule = re.compile(ur"[^a-zA-Z0-9\u4e00-\u9fa5]")
  line = rule.sub('',line)
  return line

漢字的范圍為”\u4e00-\u9fa5“,這個是用Unicode表示的,所以前面必須要加”u“;字符”r“的意思是表示忽略后面的轉(zhuǎn)義字符,這樣簡化了后面正則表達(dá)式里每遇到一個轉(zhuǎn)義字符還得挨個轉(zhuǎn)義的麻煩

最后可以組合成為一個函數(shù)

def remove_punctuation(line, strip_all=True):
  if strip_all:
    rule = re.compile(ur"[^a-zA-Z0-9\u4e00-\u9fa5]")
    line = rule.sub('',line)
  else:
    punctuation = """?。?#65377;"?!纾ィΓВǎ?;<=>@[\]^_`{|}~⦅⦆「」、、〃》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〾〿–—‘'‛“”„‟…‧﹏"""
    re_punctuation = "[{}]+".format(punctuation)
    line = re.sub(re_punctuation, "", line)
  return line.strip()

清洗完畢后,有時候我們希望按照多個標(biāo)點符號來分割

比如只要遇到中文或英文的逗號和句號等符號就分割,可以直接用translate把這些符號翻譯為統(tǒng)一的分隔符,再split:

strip_chars = '?"。.,,《》[]〖〗“”'
single_line = single_line.translate(str.maketrans(dict.fromkeys(strip_chars, '#')))
single_line = single_line.split('#')

總結(jié)

以上所述是小編給大家介紹的Python處理中文標(biāo)點符號大集合,希望對大家有所幫助,如果大家有任何疑問請給我留言,小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持!

相關(guān)文章

  • Python在for循環(huán)里處理大數(shù)據(jù)的推薦方法實例

    Python在for循環(huán)里處理大數(shù)據(jù)的推薦方法實例

    這篇文章主要介紹了Python在for循環(huán)里處理大數(shù)據(jù)的推薦方法實例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
    2024-01-01
  • python框架django基礎(chǔ)指南

    python框架django基礎(chǔ)指南

    本文給大家匯總介紹了下python的MVC框架django的一些基礎(chǔ)知識,非常的簡單實用,希望對大家學(xué)習(xí)django能夠有所幫助。
    2016-09-09
  • python實現(xiàn)web應(yīng)用框架之增加動態(tài)路由

    python實現(xiàn)web應(yīng)用框架之增加動態(tài)路由

    這篇文章主要介紹web應(yīng)用框架如何添加動態(tài)路由,在我們編寫的框架中,我們添加動態(tài)路由,是使用了正則表達(dá)式,同時在注冊的時候,需要注明該路由是請求路由,文中有詳細(xì)的代碼示例,需要的朋友可以參考下
    2023-05-05
  • Python對接支付寶支付自實現(xiàn)功能

    Python對接支付寶支付自實現(xiàn)功能

    這篇文章主要介紹了Python對接支付寶支付自實現(xiàn)功能,本文通過實例代碼給大家介紹的非常詳細(xì),具有一定的參考借鑒價值,需要的朋友可以參考下
    2019-10-10
  • 使用Python生成XML的方法實例

    使用Python生成XML的方法實例

    這篇文章主要介紹了使用Python生成XML的方法,結(jié)合具體實例形式詳細(xì)分析了Python生成xml文件的具體流暢與相關(guān)注意事項,需要的朋友可以參考下
    2017-03-03
  • 關(guān)于python的list相關(guān)知識(推薦)

    關(guān)于python的list相關(guān)知識(推薦)

    下面小編就為大家?guī)硪黄P(guān)于python的list相關(guān)知識(推薦)。小編覺得挺不錯的,現(xiàn)在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-08-08
  • 簡單介紹Python中的RSS處理

    簡單介紹Python中的RSS處理

    這篇文章主要介紹了簡單介紹Python中的RSS處理,本文來自于IBM官方開發(fā)者技術(shù)文檔,需要的朋友可以參考下
    2015-04-04
  • python必備庫Matplotlib畫圖神器

    python必備庫Matplotlib畫圖神器

    這篇文章主要介紹了python必備庫Matplotlib畫圖神器,Matplotlib 是 Python 中最受歡迎的數(shù)據(jù)可視化軟件包之一,支持跨平臺運行,它是 Python 常用的 2D 繪圖庫,同時它也提供了一部分 3D 繪圖接口,更多詳細(xì)內(nèi)容,需要的小伙伴可以參考一下下面文章具體內(nèi)容
    2022-03-03
  • python驗證多組數(shù)據(jù)之間有無顯著差異

    python驗證多組數(shù)據(jù)之間有無顯著差異

    這篇文章主要介紹了python驗證多組數(shù)據(jù)之間有無顯著差異,利用方差分析和卡方分布驗證多組數(shù)據(jù)之間的某些屬性有無顯著性差異,對于連續(xù)性屬性可以用方差分析,對于離散型屬性可以用卡方檢驗。下面文章詳細(xì)內(nèi)容需要的小伙伴可以參考一下
    2022-01-01
  • Python configparser模塊封裝及構(gòu)造配置文件

    Python configparser模塊封裝及構(gòu)造配置文件

    這篇文章主要介紹了Python configparser模塊封裝及構(gòu)造配置文件,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2020-08-08

最新評論