我在写拼写检查程序，如何替换字符串中的ch？

Question

我哪里做错了/我可以怎么做？

import sys
import string

def remove(file):
    punctuation = string.punctuation
    for ch in file:
        if len(ch) > 1:
            print('error - ch is larger than 1 --| {0} |--'.format(ch))
        if ch in punctuation:
            ch = ' '
            return ch
        else:
            return ch

ref = (open("ref.txt","r"))
test_file = (open("test.txt", "r"))

dictionary = ref.read().split()
file = test_file.read().lower()
file = remove(file)
print(file)

这是在Python 3.1.2版本中。

Answer 1

看看re（正则表达式）模块。它里面有一个叫“sub”的功能，可以用来替换那些符合正则表达式的字符串。

Answer 2

在Python中，字符串是不可变的，也就是说你不能直接修改它们，所以如果你想改变字符串，就得创建一个新的字符串。

有几种方法可以做到这一点：

一种方法是使用列表推导式，这样可以检查每个字符，并只返回那些不是标点符号的字符。

def remove(file):
  return ''.join(ch for ch in file if ch not in string.punctuation)

你也可以调用一些函数来测试字符，或者转换字符，这样可能会抛出“奇怪字符”的异常，或者执行其他功能：

def remove(file):
  return ''.join(TranslateCh(ch) for ch in file if CheckCh(ch))

另外一个选择是使用string模块，它提供了replace或translate功能。使用translate可以更高效地处理这个问题，比起构建一个列表要好很多，具体可以参考Alex的回答。

或者……你可以通过for循环收集一个列表，最后再把它们连接起来，但这样做有点“不够Python风格”。

Answer 3

在这段代码中……：

for ch in file:
        if len(ch) > 1:

这个奇怪命名的 file（除了违反了不使用自己的名字来覆盖内置名称的最佳实践）其实并不是一个文件，而是一个字符串——在Python 3中，这意味着它是unicode字符串。不过这并不影响循环返回的是单个字符（在Python 3中是unicode字符，而不是字节），所以 len(ch) == 1 是Python语言规则下绝对成立的。我不太确定你想通过这个测试达到什么目的（是想排除某些unicode字符吗？），但无论你认为自己在实现什么，我可以保证你并没有做到，应该重新编写那部分代码。

除此之外，你是立即返回——因此也就是退出了这个函数——这样一来，你只返回了一个字符（要么是文件中的第一个字符，要么如果第一个字符是标点符号，则返回一个空格）。

我在另一个回答中看到的建议使用 translate 方法是正确的，但那个回答使用了错误版本的 translate（适用于字节字符串，而不是你在Python 3中需要的unicode字符串）。正确的unicode版本更简单，可以把你的整个函数简化为仅仅两条语句：

trans = dict.fromkeys(map(ord, string.punctuation), ' ')
return file.translate(trans)