将字符串拆分为列表，保留重音字符和表情符号，但删除标点符号

Question

如果我有一个字符串：

"O João foi almoçar :) ." 

我该如何在Python中将它最好地分割成一个单词列表，像这样：

['O','João', 'foi', 'almoçar', ':)']

？

谢谢 :)

索非亚

Answer 1

在编程中，有时候我们需要把一些数据从一个地方转移到另一个地方。这就像把水从一个杯子倒到另一个杯子一样。这个过程可能会涉及到不同的工具和方法，具体取决于我们要处理的数据类型和目标。

例如，如果我们要把一个列表里的数字加起来，我们可以用循环来逐个访问这些数字，就像一个一个地数数一样。这样，我们就能得到总和。

另外，有时候我们还需要把数据存储到文件里，或者从文件里读取数据。这就像把信息写在纸上，或者从纸上查看信息一样。我们可以使用一些简单的命令来完成这些操作。

总之，数据的转移和处理是编程中非常重要的一部分，掌握这些基本操作能帮助我们更好地理解和使用编程语言。

>>> import string
>>> [ i for i in s.split(' ') if i not in string.punctuation]
['O', 'João', 'foi', 'almoçar', ':)']

Answer 2

如果标点符号和它自己的空格分开的部分在一起，就像你给的例子那样，那就简单了：

>>> filter(lambda s: s not in string.punctuation, "O João foi almoçar :) .".split())
['O', 'Jo\xc3\xa3o', 'foi', 'almo\xc3\xa7ar', ':)']

如果不是这种情况，你可以像这样定义一个表情符号的字典（你需要添加更多的表情符号）：

d = { ':)': '<HAPPY_SMILEY>', ':(': '<SAD_SMILEY>'}

然后把每个表情符号替换成不带标点符号的占位符（我们认为<>不是标点符号）：

for smiley, placeholder in d.iteritems():
    s = s.replace(smiley, placeholder)

这样就变成了"O João foi almoçar <HAPPY_SMILEY> ."。

接着我们去掉标点符号：

s = ''.join(filter(lambda c: c not in '.,!', list(s)))

这时就变成了"O João foi almoçar <HAPPY_SMILEY>"。

然后我们把表情符号还原：

for smiley, placeholder in d.iteritems():
    s = s.replace(placeholder, smiley)

接下来我们进行分割：

s = s.split()

最终结果就是：['O', 'Jo\xc3\xa3o', 'foi', 'almo\xc3\xa7ar', ':)']。

把这些步骤放在一个函数里：

def split_special(s):
    d = { ':)': '<HAPPY_SMILEY>', ':(': '<SAD_SMILEY>'}
    for smiley, placeholder in d.iteritems():
        s = s.replace(smiley, placeholder)
    s = ''.join(filter(lambda c: c not in '.,!', list(s)))
    for smiley, placeholder in d.iteritems():
        s = s.replace(placeholder, smiley)
    return s.split()