前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python 中文去标点

Python 中文去标点

作者头像
py3study
发布2020-01-07 11:28:02
8660
发布2020-01-07 11:28:02
举报
文章被收录于专栏:python3

老师让把每一次写东西遇到的问题都记录下来,个人觉得很有用,就以此为第一篇博文吧⁄(⁄ ⁄•⁄ω⁄•⁄ ⁄)⁄ 在写K-Means聚类时,对文本分词处理遇到去标点的问题,之前一直使用的是 .translate(None, string.punctuation) 方法,(⊙v⊙)嗯,我就是学得太粗糙,不管中英文(捂脸)。在百度之后,发现 string = re.sub("[\s+\.\!\/_,$%^*(+\"\')]+|[+——()?【】“”!,。?、~@#¥%……&*()]+', "",line) 方法并不管用,最后参考 [(http://www.cnblogs.com/arkenstone/p/6092255.html)]找到了解决办法

代码语言:javascript
复制
from zhon.hanzi import punctuation
line='!今天写了个爬虫。、?'
print re.sub(ur"[%s]+" %punctuation, "", line.decode("utf-8"))

运行结果为

代码语言:javascript
复制
今天写了个爬虫

等我写好了K-Means,一定要好好上传~

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019/09/10 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档