从字符串中去除标点的最佳方法

Question

看起来应该有比这个更简单的方法：

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

有没有呢？

Answer 1

为了方便使用，我总结了在Python 2和Python 3中去掉字符串标点符号的方法。详细的描述可以参考其他的回答。

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 2

如果你了解正则表达式，它其实是很简单的。

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

Answer 3

从效率的角度来看，你不会找到比这个更快的了。

s.translate(None, string.punctuation)

如果你使用的是更高版本的Python，可以试试下面的代码：

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

这个方法是在C语言中进行原始字符串操作，并使用查找表 - 没有什么能比这个更快，除非你自己写C代码。

如果速度不是问题，另外一个选择是：

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

这个方法比逐个字符用s.replace要快，但和一些非纯Python的方法，比如正则表达式或string.translate相比，性能就没那么好了，下面的时间测试可以看得出来。对于这种类型的问题，尽量在更低的层次上处理会更有效。

时间测试代码：

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)

这段代码给出了以下结果：

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

从字符串中去除标点的最佳方法

32 个回答

撰写回答