从字符串中去除标点符号的最佳方法

Question

似乎应该有比以下更简单的方法：

 import string
s = "string. With. Punctuation?" # Sample string
out = s.translate(string.maketrans("",""), string.punctuation)

在那儿？

原文由 Redwood 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

从效率的角度来看，你不会打败

s.translate(None, string.punctuation)

对于更高版本的 Python，请使用以下代码：

 s.translate(str.maketrans('', '', string.punctuation))

它使用查找表在 C 中执行原始字符串操作 - 没有什么比这更好的了，但是编写您自己的 C 代码。

如果速度不是问题，另一种选择是：

 exclude = set(string.punctuation)
s = ''.join(ch for ch in s if ch not in exclude)

这比使用每个字符的 s.replace 更快，但性能不如正则表达式或 string.translate 等非纯 python 方法，从下面的时间可以看出。对于这种类型的问题，在尽可能低的水平上做是有回报的。

计时码：

 import re, string, timeit

s = "string. With. Punctuation"
exclude = set(string.punctuation)
table = string.maketrans("","")
regex = re.compile('[%s]' % re.escape(string.punctuation))

def test_set(s):
    return ''.join(ch for ch in s if ch not in exclude)

def test_re(s):  # From Vinko's solution, with fix.
    return regex.sub('', s)

def test_trans(s):
    return s.translate(table, string.punctuation)

def test_repl(s):  # From S.Lott's solution
    for c in string.punctuation:
        s=s.replace(c,"")
    return s

print "sets      :",timeit.Timer('f(s)', 'from __main__ import s,test_set as f').timeit(1000000)
print "regex     :",timeit.Timer('f(s)', 'from __main__ import s,test_re as f').timeit(1000000)
print "translate :",timeit.Timer('f(s)', 'from __main__ import s,test_trans as f').timeit(1000000)
print "replace   :",timeit.Timer('f(s)', 'from __main__ import s,test_repl as f').timeit(1000000)

这给出了以下结果：

 sets      : 19.8566138744
regex     : 6.86155414581
translate : 2.12455511093
replace   : 28.4436721802

原文由 Brian 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

正则表达式很简单，如果您知道的话。

 import re
s = "string. With. Punctuation?"
s = re.sub(r'[^\w\s]','',s)

原文由 Eratosthenes 发布，翻译遵循 CC BY-SA 4.0 许可协议