Python文本挖掘情感分析：如何保留!、?并移除其余标点

你当前使用的正则[^a-zA-Z]会匹配所有非英文字母的字符并替换为空格，因此会把!、?在内的所有标点全部移除。要实现仅保留!和?、移除其余标点的效果，只需要把这两个符号加入正则的否定匹配字符集即可。

修正后的代码 #

单条文本字符串处理直接用以下代码：

import re
text = re.sub(r"[^a-zA-Z!?]", ' ', text)

注意事项 #

• 正则前加r声明Python原生字符串，是写正则的标准写法，可以避免转义字符冲突
• 字符集[^a-zA-Z!?]的匹配逻辑：匹配所有不属于英文字母、不属于感叹号、不属于问号的字符，将这类字符替换为空格，完全匹配你的处理需求
• 原代码里的.format(a)没有实际作用，当前匹配规则不存在需要格式化填充的占位符，直接删除即可
• 如果你存储文本的text是字符串列表，不能直接传入re.sub处理，需要遍历逐句处理，参考代码：

processed_text = [re.sub(r"[^a-zA-Z!?]", ' ', single_sentence) for single_sentence in text]

内容的提问来源于stack exchange，提问作者Gaurav Luitel