Usuń wszystkie znaki specjalne, znaki interpunkcyjne i spacje z łańcucha

Muszę usunąć wszystkie znaki specjalne, znaki interpunkcyjne i spacje z ciągu, aby mieć tylko litery i cyfry.

Można to zrobić bez wyrażenia regularnego:

>>> string = "Special $#! characters   spaces 888323"
>>> ''.join(e for e in string if e.isalnum())
'Specialcharactersspaces888323'

Możesz użyć str.isalnum:

S.isalnum() -> bool

Return True if all characters in S are alphanumeric
and there is at least one character in S, False otherwise.

Jeśli nalegasz na użycie wyrażenia regularnego, inne rozwiązania sprawdzą się. Należy jednak pamiętać, że jeśli można tego dokonać bez użycia wyrażenia regularnego, jest to najlepszy sposób, aby to zrobić.

Oto wyrażenie pasujące do ciągu znaków, które nie są literami ani cyframi:

[^A-Za-z0-9]+

Oto polecenie Pythona, aby wykonać podstawienie wyrażenia regularnego:

re.sub('[^A-Za-z0-9]+', '', mystring)

Krótsza droga:

import re
cleanString = re.sub('\W+','', string )

Jeśli chcesz, aby spacje między słowami i cyframi zastąpiły słowa „”

Po tym, zainteresowałem się rozszerzeniem podanych odpowiedzi, dowiedzieć się, które polecenie wykonuje się w jak najkrótszym czasie, więc przejrzałem i sprawdziłem niektóre z proponowanych odpowiedzi pod kątem timeitdwóch przykładowych ciągów:

• string1 = 'Special $#! characters spaces 888323'
• string2 = 'how much for the maple syrup? $20.99? That s ricidulous!!!'

Przykład 1

'.join(e for e in string if e.isalnum())

• string1 - Wynik: 10,7061979771
• string2 - Wynik: 7,78372597694

Przykład 2

import re re.sub('[^A-Za-z0-9]+', '', string)

• string1 - Wynik: 7,17785102844
• string2 - Wynik: 4,12814903259

Przykład 3

import re re.sub('\W+','', string)

• string1 - Wynik: 3,11899876595
• string2 - Wynik: 2,78014397621

Powyższe wyniki są wynikiem najniższego zwracanego wyniku ze średniej: repeat(3, 2000000)

Przykład 3 może być 3 razy szybszy niż w przykładzie 1 .

Python 2. *

Myślę, że po prostu filter(str.isalnum, string)działa

In [20]: filter(str.isalnum, 'string with special chars like !,#$% etcs.')
Out[20]: 'stringwithspecialcharslikeetcs'

Python 3. *

W Python3 filter( )funkcja zwróci obiekt itertowalny (zamiast ciągu w przeciwieństwie do powyższego). Trzeba połączyć się z powrotem, aby uzyskać ciąg z itertable:

''.join(filter(str.isalnum, string)) 

lub przekazać listdołączenie do użycia ( nie jestem pewien, ale może być trochę szybki )

''.join([*filter(str.isalnum, string)])

Uwaga: rozpakowywanie jest [*args]ważne z Pythona> = 3.5

#!/usr/bin/python
import re

strs = "how much for the maple syrup? $20.99? That's ricidulous!!!"
print strs
nstr = re.sub(r'[?|$|.|!]',r'',strs)
print nstr
nestr = re.sub(r'[^a-zA-Z0-9 ]',r'',nstr)
print nestr

możesz dodać więcej znaków specjalnych, które zostaną zastąpione przez „” oznacza nic, tzn. zostaną usunięte.

W odróżnieniu od innych osób używających wyrażenia regularnego, starałbym się wykluczyć każdą postać, która nie jest tym, czego chcę, zamiast wyraźnego wyliczenia tego, czego nie chcę.

Na przykład, jeśli chcę tylko znaki od „a do z” (wielkie i małe litery) oraz cyfry, wykluczę wszystko inne:

import re
s = re.sub(r"[^a-zA-Z0-9]","",s)

Oznacza to „zamień pusty znak na każdy znak, który nie jest liczbą, lub znak z zakresu od„ a do z ”lub„ A do Z ”.

W rzeczywistości, jeśli wstawisz znak specjalny ^na pierwszym miejscu wyrażenia regularnego, otrzymasz negację.

Dodatkowa wskazówka: jeśli musisz również pomniejszyć wynik, możesz sprawić, że wyrażenie regularne będzie jeszcze szybsze i łatwiejsze, o ile nie znajdziesz teraz wielkich liter.

import re
s = re.sub(r"[^a-z0-9]","",s.lower())

Zakładając, że chcesz użyć wyrażenia regularnego i potrzebujesz / potrzebujesz kodu rozpoznającego Unicode 2.x, który jest gotowy na 2to3:

>>> import re
>>> rx = re.compile(u'[\W_]+', re.UNICODE)
>>> data = u''.join(unichr(i) for i in range(256))
>>> rx.sub(u'', data)
u'0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz\xaa\xb2 [snip] \xfe\xff'
>>>

s = re.sub(r"[-()\"#/@;:<>{}`+=~|.!?,]", "", s)

Najbardziej ogólnym podejściem jest użycie „kategorii” tabeli unicodedata, która klasyfikuje każdy pojedynczy znak. Np. Poniższy kod filtruje tylko znaki drukowalne na podstawie ich kategorii:

import unicodedata
# strip of crap characters (based on the Unicode database
# categorization:
# http://www.sql-und-xml.de/unicode-database/#kategorien

PRINTABLE = set(('Lu', 'Ll', 'Nd', 'Zs'))

def filter_non_printable(s):
    result = []
    ws_last = False
    for c in s:
        c = unicodedata.category(c) in PRINTABLE and c or u'#'
        result.append(c)
    return u''.join(result).replace(u'#', u' ')

Spójrz na podany powyżej adres URL dla wszystkich powiązanych kategorii. Możesz także oczywiście filtrować według kategorii interpunkcyjnych.

string.punctuation zawiera następujące znaki:

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

Możesz użyć funkcji translacji i maketrans do mapowania interpunkcji na puste wartości (zamień)

import string

'This, is. A test!'.translate(str.maketrans('', '', string.punctuation))

Wynik:

'This is A test'

Użyj tłumacza:

import string

def clean(instr):
    return instr.translate(None, string.punctuation + ' ')

Uwaga: Działa tylko na ciągach ascii.

import re
my_string = """Strings are amongst the most popular data types in Python. We can create the strings by enclosing characters in quotes. Python treats single quotes the 

to samo co podwójne cudzysłowy. ”„ ”

# if we need to count the word python that ends with or without ',' or '.' at end

count = 0
for i in text:
    if i.endswith("."):
        text[count] = re.sub("^([a-z]+)(.)?$", r"\1", i)
    count += 1
print("The count of Python : ", text.count("python"))

import re
abc = "askhnl#$%askdjalsdk"
ddd = abc.replace("#$%","")
print (ddd)

i zobaczysz swój wynik jako

„askhnlaskdjalsdk

Usuwanie interpunkcji, cyfr i znaków specjalnych

Przykład: -

Kod

combi['tidy_tweet'] = combi['tidy_tweet'].str.replace("[^a-zA-Z#]", " ") 

Wynik:-

Dzięki :)