从python中的文本中删除无效符号答案

【问题标题】：Remove invalid symbols from a text in python从python中的文本中删除无效符号
【发布时间】：2013-11-20 20:05:38
【问题描述】：

我正在尝试从文本中删除无效符号。我有这个代码：

def parse_documentation(filename):
    filename=open(filename)
    invalidsymbols=["`","~","!", "@","#","$"]
    for lines in filename:
        print(lines)
        for word in lines:
        print(word)
            for letter in word:
                if invalidsymbols==letter:
                    print(letter)

首先我只是通过打印字母来测试它，然后我会添加代码来删除它（del()）。我的无效符号比列表中的符号多，但它很多，所以我想检查使用只有 5 或 6 个。我遇到的问题是它不仅打印无效符号，而且打印文本中的所有字母。此外，由于某种原因，它也会在我的文本之前打印额外的字符。我该如何解决？

我使用的文字是：

he's a jolly good fellow#
I want pizza!
I'm driving to school$

【问题讨论】：

for 不是这样处理字符串的。
@IgnacioVazquez-Abrams 我应该如何访问每一行中的字母？
也许你应该更仔细地检查一下for 在做什么。

标签： python string python-3.x

【解决方案1】：

您可以使用str.translate 一次性删除所有不需要的符号：

>>> txt = """he's a jolly good fellow#
... I want pizza!
... I'm driving to school$"""
>>> print txt.translate(None, "`~!@#$")
he's a jolly good fellow
I want pizza
I'm driving to school

所以你的代码可能是这样的

def parse_documentation(filename, invalid_symbols):
    symb_to_remove = ''.join(invalid_symbols)
    with open(filename, 'rb') as in_file:
        for line in in_file:
            safe_line = line.translate(None, symb_to_remove)
            <here comes code to do smthng with safe_line>

你会调用这个函数

parse_documentation(filename, ["`","~","!", "@","#","$"])

【讨论】：

【解决方案2】：

def parse_documentation(filename):
    filename=open(filename, "r") # open file
    lines = filename.read(); # read all the lines in the file to a list named as "lines"
    invalidsymbols=["`","~","!", "@","#","$"]
    for line in lines: # for each line in lines
        for x in invalidsymbols: # loop through the list of invalid symbols
            if x in line: # if the invalid symbols is in the line
                print(line) # print out the line
                print(x) # and also print out the invalid symbol you encountered in that line
                print(line.replace(x, "")) # print out a line with invalid symbol removed

怎么样？

【讨论】：

欢迎 :) 每次遇到无效符号时，您仍在打印该行（如果该符号出现多次）
刚刚在代码中添加了另一行，您可以通过 string.replace(character, "") 删除字符串中不需要的字符

【解决方案3】：

JoeC 已经回答了，但我想补充一点，如果您的 invalid 符号在一行中出现不止一次，那么您最好执行以下操作

def parse_documentation(filename):
    filelines = open(filename)
    invalidsymbols=["`","~","!", "@","#","$"]
    for line in filelines:
        print(lines)
        for symbol in invalidsymbols:
            if symbol in line:
                print("Above line contains %s symbol"%symbol)

关于替换符号，请参考JoeC's answer。

【讨论】：

【解决方案4】：

尝试使用 textcleaner 库来完成此任务。
按照此链接获取主页和文档：https://pypi.org/project/textcleaner/
调用 remove_symbols 函数，它将返回一个干净的文本。它只使用正则表达式。
功能说明： https://yugantm.github.io/textcleaner/documentation.html#remove_symbols

【讨论】：