Видаліть зі спеціального рядка всі спеціальні символи, розділові знаки та пробіли

Мені потрібно видалити всі спеціальні символи, розділові знаки та пробіли з рядка, щоб у мене залишилися лише літери та цифри.

Це можна зробити без регулярного вираження:

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

Ви можете використовувати 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.

Якщо ви наполягаєте на використанні регексу, інші рішення стануть чудовими. Однак зауважте, що якщо це можна зробити без використання регулярного виразу, це найкращий спосіб зробити це.

Ось регулярний вираз, який відповідає рядку символів, який не є буквою чи цифрою:

[^A-Za-z0-9]+

Ось команда Python для заміни регулярних виразів:

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

Коротший шлях:

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

Якщо ви хочете, щоб пробіли між словами та цифрами замінили "" на ""

Побачивши це, мені було цікаво розширити надані відповіді, виявивши, що виконується за найменший проміжок часу, тому я пройшов і перевірив деякі запропоновані відповіді timeitпроти двох із прикладних рядків:

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

Приклад 1

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

• string1 - Результат: 10.7061979771
• string2 - Результат: 7.78372597694

Приклад 2

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

• string1 - Результат: 7.10785102844
• string2 - Результат: 4.12814903259

Приклад 3

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

• string1 - Результат: 3.11899876595
• string2 - Результат: 2.78014397621

Наведені вище результати є результатом найнижчого поверненого результату в середньому: repeat(3, 2000000)

Приклад 3 може бути в 3 рази швидшим, ніж приклад 1 .

Python 2. *

Я думаю, що просто filter(str.isalnum, string)працює

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

Python 3. *

У Python3 filter( )функція повертає ітерабельний об'єкт (замість рядка на відміну від вище). Треба приєднатися назад, щоб отримати рядок з ітерабету:

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

або перейти listдо використання приєднатися ( не впевнений, але може бути швидким )

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

Примітка: розпакування [*args]дійсне з Python> = 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

Ви можете додати більше спеціального символу, який буде замінений на "" не означає нічого, тобто вони будуть видалені.

Я би спробував виключити кожен символ, який не є тим, що я хочу, замість того, щоб явно перераховувати те, що я не хочу.

Наприклад, якщо я хочу лише символів з 'a до z' (верхній і нижній регістр) та числа, я б виключив все інше:

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

Це означає "замінити кожен символ, який не є числом, або символ у діапазоні" a до z "або" A до Z "порожнім рядком".

Насправді, якщо ви вставите спеціального символу ^на перше місце свого регексу, ви отримаєте заперечення.

Додаткова порада: якщо ви також повинні рядкові результат, ви можете зробити регулярний вираз ще швидше і простіше, поки ви не знайдете ні в верхньому регістрі в даний час.

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

Припустимо, що ви хочете використовувати регулярний вираз і вам потрібен / потрібний Unicode-пізнавальний код 2.x, який готовий до 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)

Найбільш загальним підходом є використання "категорій" таблиці unicodedata, яка класифікує кожен символ. Наприклад, наведені нижче коди фільтрують лише символи для друку залежно від їх категорії:

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' ')

Подивіться вказану URL-адресу вище для всіх пов’язаних категорій. Ви також можете фільтрувати за розділовими категоріями.

string.punctuation містить такі символи:

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

Ви можете використовувати функції перекладу та макетрансу для відображення розділових знаків на порожні значення (заміни)

import string

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

Вихід:

'This is A test'

Використовувати переклад:

import string

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

Caveat: працює лише на струнах 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 

те саме, що і подвійні лапки.

# 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)

і ви побачите свій результат як

'askhnlaskdjalsdk

Видалення розділових знаків, чисел та спеціальних символів

Приклад: -

Код

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

Результат: -

Дякую :)