从字符串中删除字符/符号答案

【问题标题】：Removing chars/signs from string从字符串中删除字符/符号
【发布时间】：2017-03-19 11:15:12
【问题描述】：

我正在为词云准备文本，但我卡住了。

我需要删除所有数字，所有符号，如 . , - ? = / ！ @ 等，但我不知道如何。我不想一次又一次地更换。有办法吗？

这是我的概念和我必须做的：

在一个字符串中连接文本
将字符设置为小写
现在我想删除特定的标志并将文本分成单词（列表）
计算单词的频率
接下来执行停用词脚本...

abstracts_list = open('new','r')
abstracts = []
allab = ''
for ab in abstracts_list:
    abstracts.append(ab)
for ab in abstracts:
    allab += ab
Lower = allab.lower()

文字示例：

MicroRNAs (miRNAs) 是一类非编码 RNA 分子大约 19 到 25 个核苷酸长，可下调靶基因在转录后水平的表达与 3'-非翻译区 (3'-UTR) 结合。爱泼斯坦-巴尔病毒 (EBV) 产生至少 44 个 miRNA，但其中大多数的功能 miRNA尚未被鉴定。之前，我们将 BRUCE 报告为 miR-BART15-3p 的靶标，EBV 产生的 miRNA，但我们的数据提示可能存在其他与凋亡相关的靶基因 miR-BART15-3p。因此，在本研究中，我们寻找新的目标使用计算机分析的 miR-BART15-3p 基因。我们找到了一种可能 Tax1 结合蛋白 1 (TAX1BP1) 的 3'-UTR 中的种子匹配位点。这报告载体的荧光素酶活性，包括 3'-UTR TAX1BP1 被 miR-BART15-3p 降低。 MiR-BART15-3p 下调 TAX1BP1 mRNA 和蛋白在 AGS 细胞中的表达，而 miR-BART15-3p抑制剂上调TAX1BP1的表达 AGS-EBV 细胞中的 mRNA 和蛋白质。 Mir-BART15-3p 调制的 NF-κB 在胃癌细胞系中的活性。此外，miR-BART15-3p 强烈促进对 5-氟尿嘧啶 (5-FU) 的化学敏感性。我们的结果表明 miR-BART15-3p 靶向抗凋亡 TAX1BP1 癌细胞中的基因，导致细胞凋亡和化学敏感性增加到 5-FU。

【问题讨论】：

那么你的代码在哪里，它到底有什么问题？这既不是代码编写也不是教程服务。
Removing all non-numeric characters from string in Python的可能重复
请展示您到目前为止所尝试的内容。
感谢编辑，我在编辑代码时遇到了问题；/

标签： python text word-cloud

【解决方案1】：

所以要将大写字符设置为小写字符，您可以执行以下操作：所以只需将你的文本存储到一个字符串变量中，例如 STRING 然后使用命令

STRING=re.sub('([A-Z]{1})', r'\1',STRING).lower()

现在您的字符串将不再包含大写字母。

要再次删除特殊字符，模块 re 可以帮助您使用子命令：

STRING = re.sub('[^a-zA-Z0-9-_*.]', ' ', STRING )

使用这些命令，您的字符串将不含特殊字符

要确定词频，您可以使用必须从其中导入 Counter 的模块集合。

然后使用以下命令确定单词出现的频率：

Counter(STRING.split()).most_common()

【讨论】：

【解决方案2】：

我可能会尝试使用 string.isalpha()：

abstracts = []
with open('new','r') as abstracts_list:
    for ab in abstracts_list:  # this gives one line of text. 
        if not ab.isalpha():
            ab = ''.join(c for c in ab if c.isalpha() 
        abstracts.append(ab.lower())
# now assuming you want the text in one big string like allab was
long_string = ''.join(abstracts)

【讨论】：