从JSON文件中删除Puncuation，只在引号内

Question

我有多个JSON文件，其中填充的字符串最多可以达到几百行。在我的文件示例中，只有三行，但平均来说，这些“短语”大约有200-500行：

{
   "version": 1,
   "data": {
       "phrases":[
           "A few words that's it.",
           "This one, has a comma in it!",
           "hyphenated-sentence example"
        ]
   }
}

我需要有一个脚本进入文件（我们可以称之为示例数据.json)并从文件中删除所有标点符号（特别是这些字符：,.?!'-），而不删除双引号外的,。基本上是这样的：

"A few words that's it.",
"This one, has a comma in it!",
"hyphenated-sentence example."

变成这样：

"A few words that's it",
"This one has a comma in it",
"hyphenated sentence example"

还要注意，除了连字符外，所有标点符号都是如何删除的。用空格代替。

---

我发现了一个几乎完全相同的问题，但是对于csv文件here，却无法将csv版本转换为可以与JSON一起使用的版本。

我用python得到的最接近的结果是通过另一个线程上的someone else's answer使用一个字符串。你知道吗

input_str = 'please, remove all the commas between quotes,"like in here, here, here!"'

quotes = False

def noCommas(string):
    quotes = False
    output = ''
    for char in string:
        if char == '"':
            quotes = True
        if quotes == False:
            output += char
        if char != ',' and quotes == True:
            output += char
    return output

print noCommas(input_str)

（对不起，我不知道如何在引号中插入代码块）
但它一次只对一个字符有效。但是添加任何额外的规则会导致引号外的文本自身翻倍（请变成pplleeaassee）。
最后一件事是，我必须在python2.7.5中完成这项工作，从我收集的搜索结果来看，这使得这项工作更加困难。
很抱歉，我还是python的新手，必须马上做一些非常重要的事情，但这并不是我的选择。你知道吗

Answer 1

这应该管用。你知道吗

import re
import json

with open('C:/test/data.json') as json_file:
    data = json.load(json_file)



for idx, v in enumerate(data['data']['phrases']):
    data['data']['phrases'][idx] = re.sub(r'-',' ',data['data']['phrases'][idx])
    data['data']['phrases'][idx] = re.sub(r'[^\w\s]','',data['data']['phrases'][idx])


with open('C:/test/data.json', 'w') as outfile:
    json.dump(data, outfile,  indent=4)

选项2:

以字符串形式加载json。然后使用regex查找双引号之间的所有子字符串。替换/删除所有子字符串中的标点符号，然后写回文件：

import re
import json
import string




with open('C:/test/data.json') as json_file:
    data = json.load(json_file)

data = json.dumps(data)

strings = re.findall(r'"([^"]*)"', data)

for each in strings:
    new_str =  re.sub(r'-',' ', each)
    new_str = new_str.strip(string.punctuation)
    new_str =  re.sub(r',','', new_str)

    data = data.replace('"%s"' %each, '"%s"' %new_str)


with open('C:/test/data_output.json', 'w') as outfile:
    json.dump(json.loads(data), outfile,  indent=4)