高效清理 symbols/whitespace

Question

我有"- memphis , tn! "、"~~~memphis,tn"、":) memphis , tn (:"、". - memphis,tn - ."、"memphis tn?"等字符串。我想清理这些字符串中的每一个，使每个字符串都变成 "memphis,tn"。目前，我使用下面的代码，但是有没有更有效的方法呢？也许使用正则表达式？

请注意，我目前遇到的问题是特殊字符的排序会影响最终结果。例如，". - memphis,tn - ." 给出了正确的结果，而 "- . memphis,tn . -" 则没有。这不是故意的。如果它可以作为副作用修复，那就太好了！

这些字符串是纯 ASCII，我可能想删除比下面的更多的特殊字符。

编辑： 抱歉，我应该注意到并非所有字符串都具有 "x,y" 格式。还应清除诸如“-- New York City --”或“* Texas *”之类的字符串。

# remove emoticons
smileys = [":)",":\",":(",";)",
           "(:","\:","):","(;"]
for s in smileys:
    loc = loc.replace(s, '')

# cleaning whitespace uses
loc = ' '.join(loc.split())
loc = loc.strip()
loc = loc.replace(' ,', ',')
loc = loc.replace(', ', ',')
loc = loc.replace(' .', '.')
loc = loc.replace('. ', '.')

# clean special symbols off the sides
symbols = '.,!-#~*^?@" '
loc = loc.strip(symbols)

Answer 1

您可以使用

','.join(y for y in re.split("[- ,!~?]", x) if y)
                                ^^
                                ||
                    List all the symbols here

Python代码

y = ["- memphis , tn! ", "~~~memphis,tn", ":) memphis , tn (:", ". - memphis,tn - .", "memphis tn?", ". - memphis,tn - .", "- . memphis,tn . -"]

for x in y:
    print(','.join(y for y in re.split("[- ,!~?:;)(.]", x) if y))

Ideone Demo

如果要删除字母数字以外的任何符号，可以使用

print(','.join(y for y in re.split("_|[^\w]", x) if y))

高效清理 symbols/whitespace

Cleaning away symbols/whitespace efficiently

python

regex

string

replace

data-cleaning