Python如何解析文本文件单词、转小写并删除撇号以外的特殊字符

现有代码问题梳理 #

• 第一个获取文件名的input()返回值没有存储，后续第二个input()会重复要求用户输入，逻辑错误
• with代码块缩进不符合Python规范
• word.lower()会返回新的小写字符串，不会修改原字符串，你没有接收返回值所以小写转换不会实际生效
• 缺失特殊字符过滤的逻辑

可行实现方案 #

可以用正则表达式匹配所有不属于小写字母、数字、撇号的字符，直接替换为空即可，下面是完整可运行代码：

import re

# 存储用户输入的文件名
file_name = input("Please enter a file name: ")
with open(file_name, 'r', encoding='utf-8') as input_file:
    for line in input_file:
        for word in line.split():
            # 先转小写，再过滤掉除撇号外的所有非字母数字字符
            processed_word = re.sub(r"[^a-z0-9']", "", word.lower())
            # 这里可添加后续处理逻辑，比如存储、统计、打印等
            print(processed_word)

逻辑说明 #

• 正则规则r"[^a-z0-9']"中，[^xxx]表示匹配所有不属于[]内的字符，我们仅保留小写字母a-z（因为已经提前做了小写转换，无需匹配大写）、数字0-9和撇号'，其余所有字符都会被替换为空
• 如果你不需要保留数字，直接删掉正则规则里的0-9即可

内容的提问来源于stack exchange，提问作者Nat