python | 字符串去除（中文、英文、数字、标点符号）

去除标点符号去除英文标点符号去除中文标点符号 去除中文去除英文去除数字去除空格

介绍下去除各个字母、数字、符号的方法，主要就是re的运用，去除用re.sub()，而反过来的提取用re.findall()即可

去除标点符号

标点符号包括中英文两种，要分开处理

去除英文标点符号

string.punctuation包含所有英文标点符号

import stringstring.punctuation

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

text = '''Don't worry, be happy!''' # 'Don\'t worry, be happy'punctuation_string = string.punctuationfor i in punctuation_string:text = text.replace(i, '')print(text)

Dont worry be happy

import rere.sub('[{}]'.format(punctuation_string),"",text)

'Dont worry be happy'

去除中文标点符号

调用zhon包的zhon.hanzi.punctuation函数即可得到中文的标点符号集合。

from zhon.hanzi import punctuationpunctuation

'＂＃＄％＆＇（）＊＋，－／：；＜＝＞＠［＼］＾＿｀｛｜｝～｟｠｢｣､\u3000、〃〈〉《》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〾〿–—‘’‛“”„‟…‧﹏﹑﹔·！？｡。'

text = '生活就像【】，如果＃＃'punctuation_str = punctuationfor i in punctuation_str:text = text.replace(i, '')text

'生活就像如果'

import rere.sub('[{}]'.format(punctuation),"",text)

'生活就像如果'

去除中文

import retext = '生活就像【】，如果＃＃'temp = re.sub('[\u4e00-\u9fa5]','',text)temp

'【】，＃＃'

from zhon.hanzi import charactersimport re text = '生活就像【】，如果＃＃'temp = re.sub('[{}]'.format(characters),'',text)temp

'【】，＃＃'

去除英文

import retext="aksjn ekljfk # ! len223"temp = re.sub('[a-zA-Z]','',text)temp

' # ! 223'

去除数字

其实对于\d \s \w这些，小写是数字\空格\数字字母，大写即是非数字\非空格\非数字字母，可以合理运用~

import retext="哈aksjn ekljfk # ! len223"temp = re.sub('[\d]','',text) # [0-9]temp

'哈aksjn ekljfk # ! len'

去除空格

有很多方法，比如：

Python 字符串去除空格的方法

import retext="aksjn ekljfk # ! len223"temp = re.sub('[\s]','',text) #temp = text.strip()temp

'aksjn ekljfk # ! len223'