如何在PYTHON中浏览文件的单词？

我有一个.txt文件，我想浏览其中的文字。我有个问题，我需要在浏览单词之前去掉标点符号。我已经试过了，但它并没有去除标点符号

file=open(file_name,"r")
for word in file.read().strip(",;.:- '").split():
     print word
file.close()

---

当前方法的问题是

.strip（）

并不能真正实现您想要的功能。它将删除前导字符和尾随字符（您希望删除文本中的字符），如果您希望指定除空白之外的字符，则这些字符需要位于列表中

另一个问题是，还有更多潜在的标点符号（问号、感叹号、unicode省略号、em破折号）不会被列表过滤掉。相反，您可以使用

string.parantion

来获取大量字符（请注意

string.parantion

不包括一些非英语字符，因此其可行性可能取决于输入的来源）：

一种更快的方法（如上所示）使用

string.translate（）

替换字符：

import string
text = text.translate(string.maketrans('', ''), string.punctuation)

---

在将单词存储在如下列表中后，我将使用

replace

函数删除标点符号：

with open(file_name,"r") as f_r:
    words = []
    for row in f_r:
        words.append(row.split())
punctuation = [',', ';', '.', ':', '-']
words = [x.replace(y, '') for y in punctuation for x in words]

---

您可以尝试使用

re

模块：

import re
with open(file_name) as f:
    for word in re.split('\W+', f.read()):
        print word

有关更多详细信息，请参阅

编辑：对于非ASCII字符，前面的代码将忽略它们。在这种情况下，以下代码可能会有所帮助：

import re
with open(file_name) as f:
    for word in re.compile('\W+', re.unicode).split(f.read().decode('utf8')):
        print word

strip（）

仅删除字符串开头或结尾处的字符。 所以

split（）

import string

with open(file_name, "rt") as finput:
    for line in finput:
        for word in line.split():
            print word.strip(string.punctuation)

或者使用自然语言库，如
nltk
：
以下代码保留撇号和空格，如果需要，可以轻松修改以保留双引号。它通过使用基于string对象子类的转换表来工作。我认为代码相当容易理解。如有必要，可能会提高效率

class SpecialTable(str):
    def __getitem__(self, chr):
        if chr==32 or chr==39 or 48<=chr<=57 \
            or 65<=chr<=90 or 97<=chr<=122:
            return chr
        else:
            return None

specialTable = SpecialTable()


with open('temp2.txt') as inputText:
    for line in inputText:
        print (line)
        convertedLine=line.translate(specialTable)
        print (convertedLine)
        print (convertedLine.split(' '))

是否要删除标点符号，然后写回文件？此外，这将仅从整个文件的开头和结尾删除这些字符，而不是单个单词。这样做是什么？
split（）
，然后再
split（）
（至少这会让你更接近目标）@Farhan.K我不想碰原始文件。我只想把单词分开，不加标点符号，这样你就必须迭代.works，但就内存效率而言，这是最糟糕的解决方案之一。也很难阅读。实际上所有这些都可以压缩在一行中。你读这篇文章真的有问题吗？
class SpecialTable(str):
    def __getitem__(self, chr):
        if chr==32 or chr==39 or 48<=chr<=57 \
            or 65<=chr<=90 or 97<=chr<=122:
            return chr
        else:
            return None

specialTable = SpecialTable()


with open('temp2.txt') as inputText:
    for line in inputText:
        print (line)
        convertedLine=line.translate(specialTable)
        print (convertedLine)
        print (convertedLine.split(' '))

This! is _a_ single (i.e. 1) English sentence that won't cause any trouble, right?

This is a single ie 1 English sentence that won't cause any trouble right
['This', 'is', 'a', 'single', 'ie', '1', 'English', 'sentence', 'that', "won't", 'cause', 'any', 'trouble', 'right']
'nother one.

'nother one
["'nother", 'one']