Beste Methode zum Entfernen von Interpunktionszeichen aus einer Zeichenkette

Question

Es scheint einen einfacheren Weg zu geben als:

import string
s = "string. With. Punctuation?" # Sample string 
out = s.translate(string.maketrans("",""), string.punctuation)

Gibt es eine?

Answer 1

Unter dem Gesichtspunkt der Effizienz werden Sie nicht besser sein als

s.translate(None, string.punctuation)

Für höhere Versionen von Python verwenden Sie den folgenden Code:

s.translate(str.maketrans('', '', string.punctuation))

Es führt rohe String-Operationen in C mit einer Nachschlagetabelle durch - es gibt nicht viel, was das übertrifft, außer Ihren eigenen C-Code zu schreiben.

Wenn die Geschwindigkeit keine Rolle spielt, gibt es eine andere Möglichkeit:

exclude = set(string.punctuation)
s = ''.join(ch for ch in s if ch not in exclude)

Dies ist schneller als s.replace mit jedem Zeichen, aber nicht so gut wie nicht-pure Python-Ansätze wie regexes oder string.translate, wie Sie aus den unten stehenden Zeitangaben sehen können. Bei dieser Art von Problem zahlt es sich aus, es auf einer so niedrigen Ebene wie möglich zu machen.

Zeitlicher Code:

import re, string, timeit

s = "string. With. Punctuation"
exclude = set(string.punctuation)
table = string.maketrans("","")
regex = re.compile('[%s]' % re.escape(string.punctuation))

def test_set(s):
    return ''.join(ch for ch in s if ch not in exclude)

def test_re(s):  # From Vinko's solution, with fix.
    return regex.sub('', s)

def test_trans(s):
    return s.translate(table, string.punctuation)

def test_repl(s):  # From S.Lott's solution
    for c in string.punctuation:
        s=s.replace(c,"")
    return s

print "sets      :",timeit.Timer('f(s)', 'from __main__ import s,test_set as f').timeit(1000000)
print "regex     :",timeit.Timer('f(s)', 'from __main__ import s,test_re as f').timeit(1000000)
print "translate :",timeit.Timer('f(s)', 'from __main__ import s,test_trans as f').timeit(1000000)
print "replace   :",timeit.Timer('f(s)', 'from __main__ import s,test_repl as f').timeit(1000000)

Daraus ergeben sich die folgenden Ergebnisse:

sets      : 19.8566138744
regex     : 6.86155414581
translate : 2.12455511093
replace   : 28.4436721802

Answer 2

Reguläre Ausdrücke sind einfach genug, wenn man sie kennt.

import re
s = "string. With. Punctuation?"
s = re.sub(r'[^\w\s]','',s)

Answer 3

Der Einfachheit halber fasse ich den Hinweis zum Entfernen von Satzzeichen aus einer Zeichenkette sowohl in Python 2 als auch in Python 3 zusammen. Eine detaillierte Beschreibung finden Sie in anderen Antworten.

---

Python 2

import string

s = "string. With. Punctuation?"
table = string.maketrans("","")
new_s = s.translate(table, string.punctuation)      # Output: string without punctuation

---

Python 3

import string

s = "string. With. Punctuation?"
table = str.maketrans(dict.fromkeys(string.punctuation))  # OR {key: None for key in string.punctuation}
new_s = s.translate(table)                          # Output: string without punctuation

Answer 4

myString.translate(None, string.punctuation)

Answer 5

string.punctuation ist ASCII nur ! Eine korrektere (aber auch viel langsamere) Methode ist die Verwendung des Unicodedata-Moduls:

# -*- coding: utf-8 -*-
from unicodedata import category
s = u'String — with -  «punctation »...'
s = ''.join(ch for ch in s if category(ch)[0] != 'P')
print 'stripped', s

Sie können verallgemeinern und auch andere Arten von Zeichen ausziehen:

''.join(ch for ch in s if category(ch)[0] not in 'SP')

Es werden auch Zeichen wie ~*+§$ was je nach Sichtweise eine "Interpunktion" sein kann oder auch nicht.