Python，从字符串中删除所有非字母字符

Question

我正在编写一个 python MapReduce 字数统计程序。问题是数据中有很多非字母字符，我发现这篇文章Stripping everything but alphanumeric chars from a string in Python这显示了使用正则表达式的一个很好的解决方案，但我不知道如何实现它

def mapfn(k, v):
    print v
    import re, string 
    pattern = re.compile('[\W_]+')
    v = pattern.match(v)
    print v
    for w in v.split():
        yield w, 1

恐怕我不确定如何使用库 re 甚至是正则表达式。我不确定如何将正则表达式模式正确应用于传入的字符串(书的行) v 以检索没有任何非字母数字字符的新行。

建议？

Answer 1

使用 re.sub

import re

regex = re.compile('[^a-zA-Z]')
#First parameter is the replacement, second parameter is your input string
regex.sub('', 'ab3d*E')
#Out: 'abdE'

或者，如果您只想删除某组字符(因为在您的输入中可以使用撇号...)

regex = re.compile('[,\.!?]') #etc.