Python 中文去標點

• 2020 年 1 月 7 日
• 筆記

老師讓把每一次寫東西遇到的問題都記錄下來，個人覺得很有用，就以此為第一篇博文吧⁄(⁄ ⁄•⁄ω⁄•⁄ ⁄)⁄ 在寫K-Means聚類時，對文本分詞處理遇到去標點的問題，之前一直使用的是 .translate(None, string.punctuation) 方法，(⊙v⊙)嗯，我就是學得太粗糙，不管中英文（捂臉）。在百度之後，發現 string = re.sub("[s+.!/_,$%^*(+"')]+|[+——()?【】「」！，。？、~@#￥%……&*（）]+', "",line) 方法並不管用，最後參考 [(http://www.cnblogs.com/arkenstone/p/6092255.html)]找到了解決辦法

from zhon.hanzi import punctuation  line='！今天寫了個爬蟲。、？'  print re.sub(ur"[%s]+" %punctuation, "", line.decode("utf-8"))

運行結果為

今天寫了個爬蟲

等我寫好了K-Means，一定要好好上傳~