python 过滤中文、英文标点特殊符号

  在工作中经常遇到很多特殊的标点符号，像中文标点符号，英文标点符号。英文的标点符号比较容易过滤，而过滤中文的标点符号较麻烦。下面是从邮件中过滤特殊符号的方式供参考。

下面是一封垃圾邮件的过滤实例：

"想做/ 兼_职/学生_/ 的 、加,我Q：  1 5.  8 0. ！！？？  8 6 。0.  2。 3     有,惊,喜,哦"

邮件中的“！？。、”都是中文的，而“/.”是英文的

下面是过滤方式：

<span style="font-size:18px;">#-*-coding:utf-8-*-
import re
temp = "想做/ 兼_职/学生_/ 的 、加,我Q：  1 5.  8 0. ！！？？  8 6 。0.  2。 3     有,惊,喜,哦"
temp = temp.decode("utf8")
string = re.sub("[\s+\.\!\/_,$%^*(+\"\']+|[+——！，。？、~@#￥%……&*（）]+".decode("utf8"), "".decode("utf8"),temp)
print string
</span>

过滤后的效果如下：

<span style="font-size:18px;">想做兼职学生的加我Q158086023有惊喜哦</span>

处理成上述格式后就容易进行分词分析处理了。