程序员人生 网站导航

python 过滤中文、英文标点特殊符号

栏目:综合技术时间:2014-12-08 08:57:54

        在工作中常常遇到很多特殊的标点符号,像中文标点符号,英文标点符号。英文的标点符号比较容易过滤,而过滤中文的标点符号较麻烦。下面是从邮件中过滤特殊符号的方式供参考。


下面是1封垃圾邮件的过滤实例:

"想做/ 兼_职/学生_/ 的 、加,我Q:  1 5.  8 0. !!??  8 6 。0.  2。 3     有,惊,喜,哦"


邮件中的“!?。、”都是中文的,而“/.”是英文的


下面是过滤方式:

<span style="font-size:18px;">#-*-coding:utf⑻-*- import re temp = "想做/ 兼_职/学生_/ 的 、加,我Q: 1 5. 8 0. !!?? 8 6 。0. 2。 3 有,惊,喜,哦" temp = temp.decode("utf8") string = re.sub("[s+.!/_,$%^*(+"']+|[+――!,。?、~@#¥%……&*()]+".decode("utf8"), "".decode("utf8"),temp) print string </span>

过滤后的效果以下:

<span style="font-size:18px;">想做兼职学生的加我Q158086023有欣喜哦</span>

处理成上述格式后就容易进行分词分析处理了。

------分隔线----------------------------
------分隔线----------------------------

最新技术推荐