如何拆分列表以排除括号、逗号及引号，提取独立单词

可以通过以下几种方法实现，以Python为例：

方法一：正则表达式匹配 #

利用正则表达式直接提取所有不含标点的单词，是最简洁的方式：

import re

# 示例句子列表
sentence_list = ["Hello, world!", "This is a 'test' (example).", "我是，一个'测试'(句子)。"]
all_words = []

for sentence in sentence_list:
    # 匹配英文单词或中文词语，自动忽略标点
    matched_words = re.findall(r'[\u4e00-\u9fa5a-zA-Z]+', sentence)
    all_words.extend(matched_words)

print(all_words)
# 输出：['Hello', 'world', 'This', 'is', 'a', 'test', 'example', '我是', '一个', '测试', '句子']

方法二：手动过滤标点后拆分 #

先定义需要排除的标点集合，清理句子后再拆分单词：

# 定义要移除的标点符号
exclude_puncts = {',', "'", '(', ')', '"', '!', '。', '，'}

sentence_list = ["Hello, world!", "This is a 'test' (example).", "我是，一个'测试'(句子)。"]
all_words = []

for sentence in sentence_list:
    # 移除句子中的目标标点
    cleaned_sent = ''.join([char for char in sentence if char not in exclude_puncts])
    # 按空格拆分得到单词
    all_words.extend(cleaned_sent.split())

print(all_words)
# 输出：['Hello', 'world', 'This', 'is', 'a', 'test', 'example', '我是', '一个', '测试', '句子']

内容的提问来源于stack exchange，提问作者winch