python - 从文本问题中删除标点符号/数字

Question

我有一些代码可以很好地使用 python 中的正则表达式删除标点符号/数字，我不得不稍微更改代码以便停止列表起作用，这不是特别重要。不管怎样，现在标点符号没有被删除，坦率地说，我很困惑为什么。

import re
import nltk

# Quran subset
filename = raw_input('Enter name of file to convert to ARFF with extension, eg. name.txt: ')

# create list of lower case words
word_list = re.split('\s+', file(filename).read().lower())
print 'Words in text:', len(word_list)
# punctuation and numbers to be removed
punctuation = re.compile(r'[-.?!,":;()|0-9]')
for word in word_list:
    word = punctuation.sub("", word)
print word_list

任何关于为什么它不起作用的指示都会很棒，我不是 python 专家，所以它可能是愚蠢得可笑的东西。谢谢。

Answer 1

改变

for word in word_list:
    word = punctuation.sub("", word)

到

word_list = [punctuation.sub("", word) for word in word_list]    

在上面的for-loop中对word的赋值，只是简单的改变了这个临时变量引用的值。它不会改变 word_list。