python去掉中文文本中所有的标点符号

  统计/机器学习 自然语言处理 数据预处理 Python    浏览次数:9434        分享
0

我有一段文本

“ 文本聚类:使用聚类方法,对词汇,片段,段落或文件进行分组和归类。”

去除标点符号之后的效果是

“ 文本聚类使用聚类方法对词汇片段段落或文件进行分组和归类”


用python如何实现这样的效果?谢谢



 

剪叔   2017-11-21 09:43



   3个回答 
8

试试下面这个

import re
print(re.sub("[\s+\.\!\/_,$%^*(+\"\']+|[+——!,。?、~@#¥%……&*():]+".decode("utf8"), "".decode("utf8"), s.decode("utf8")))


SofaSofa数据科学社区DS面试题库 DS面经

染盘   2017-11-27 10:37

2

可以直接用正则表达式

import re

s = ' 文本聚类:使用聚类方法,对词汇,片段,段落或文件进行分组和归类。'
print(re.sub('\W', '', s))
SofaSofa数据科学社区DS面试题库 DS面经

双枪伽利略   2017-11-23 14:53

谢谢您的回复,这个\W是什么意思?根据您的代码,我最后print出来的是个空字符串 - 剪叔   2017-11-25 14:55
1

可以用python的正则表达


SofaSofa数据科学社区DS面试题库 DS面经

Lydia   2017-11-23 14:25



  相关主题

求python里得到n-grams的包?   2回答

如何对中文部分进行独热处理(one-hot)   1回答

自定义CountVectorizera中默认的英语stop_words   1回答

怎么理解nlp里的good-turing smooth?   1回答

请问NLP中这种编码方式有没有什么术语?   1回答

如果不去除stop words,word2vec的结果会受到影响吗?   1回答

数据批量分析提取,求指点迷津   4回答

wordcloud安装报错error: Microsoft Visual C++ 14.0 is required   1回答

用python统计字符串中空格的个数   3回答

gensim的word2vec模型是skip-gram还是cbow?   1回答

gensim里word2vec的window指的是什么?包括的范围是多大?   1回答

有个一万段文字 有一个关键词列表 找出文字中含有关键词的那些文字   1回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!