Python3：删除阿拉伯语标点符号

Question

我正在使用阿拉伯语文本，我想删除阿拉伯语标点符号示例：

s="????? ??????? ?? ??? ??????? ! ?????? ???????? ? ,? ?? .???????"

我希望输出" ? ? "也被删除，因为当我使用时：

import string
tr= str.maketrans("","", string.punctuation) 

输出是 '????? ??????? ?? ??? ??????? ?????? ???????? ? ?? ???????'

Answer 1

该string.punctuation常量仅包含在 ASCII 中定义的标点符号，它甚至不包括与拉丁文字一起使用的所有符号（例如，缺少像 «» 这样的“花式引号”）。

如果您不想自己创建所有标点字符的列表（我不会），您可以使用Unicode 字符属性来决定一个字符是否是标点符号。内置unicodedata模块可让您访问以下信息：

>>> import unicodedata as ud
>>> for c in 'abc: ??? ?':
...     print((c, ud.category(c))
a Ll
b Ll
c Ll
: Po
  Zs
? Lo
? Lo
? Lo
  Zs
? Po

所有类别都是两个字母的代码，例如“Ll”代表“字母，小写”或“Po”代表“标点符号，其他”。所有标点字符都有一个以“P”开头的类别。

您可以使用此信息过滤掉标点符号（例如，使用生成器表达式）：

>>> s = "????? ??????? ?? ??? ??????? ! ?????? ???????? ? ,? ?? .???????"
>>> ''.join(c for c in s if not ud.category(c).startswith('P'))
'????? ??????? ?? ??? ???????  ?????? ???????   ?? ???????'

Answer 2

我正在研究类似的问题，并遇到了这篇文章。这是我用来解决它的。希望这可以帮助。

s="????? ??????? ?? ??? ??????? ! ?????? ???????? ? ,? ?? .???????"

new_s = s.translate(str.maketrans('', '', '???')) # add punctuation here

print(new_s)