string - 有效去除字符串标点符号

Question

我读了一段文字，想删除它的所有标点符号。我的第一个想法是:

data = readlines("text.txt")
data = lowercase.(data)
data = replace.(data, [','], [""])
data = replace.(data, ['.'], [""])
data = replace.(data, ['?'], [""])
data = replace.(data, [';'], [""])
data = replace.(data, ['!'], [""])
data = replace.(data, [':'], [""])
data = replace.(data, ['('], [""])
data = replace.(data, [')'], [""])

这变得非常烦人。我没有找到一种方法将它们全部组合在一个语句中。使用 replace.(data, [".", ";"], ["", ""]) 我得到一个 DimensionMismatch。

有任何想法吗？

Answer 1

广播时，如果您不想迭代集合(如数组或元组)，则应将其包装在数组中(在示例中，我仅使用两个字符 , 和 ; 作为替代，但这可以更多):

julia> data = ["a,b;c","x,y;z"]
2-element Array{String,1}:
 "a,b;c"
 "x,y;z"

julia> replace.(data, [[',',';']], "")
2-element Array{String,1}:
 "abc"
 "xyz"

关键部分是 [[',',';']] ，它将替换替代数组包装到一个元素数组中。

另一种方法是使用正则表达式:

julia> replace.(data, r"[,;]", "")
2-element Array{String,1}:
 "abc"
 "xyz"

现在替换模式 r"[,;]" 不需要被包装。

如果您关心性能，使用 [[',',';']] 的第一个模式会快一点，但使用正则表达式更灵活，因为它允许您捕获更复杂的模式。

编辑

现在它将是:

julia> replace.(data, [',',';'] => "")
2-element Array{String,1}:
 "abc"
 "xyz"

或者

julia> replace.(data, r"[,;]" => "")
2-element Array{String,1}:
 "abc"
 "xyz"