如何从文本文件中去除标点、空格、数字等非字母字符 现有Python代码失效

原代码问题汇总 #

• 缩进错误：Python强制要求代码缩进，原代码中remove_punc函数内部逻辑、try代码块内部的文件操作逻辑均未正确缩进，运行时会直接抛出语法错误，无法正常执行。
• 变量未定义：初始读取环节定义的图书文件名为Book_name = 'Animals.txt'，后续标点清理代码直接使用了未赋值的filename变量，会触发变量未定义报错。
• 无异常捕获逻辑：try代码块没有配套的except分支，运行出错时不会输出任何提示，无法定位失败原因。
• 标点匹配规则冗余：自定义的标点集合包含换行符、多国语言特殊字符、数字等内容，若只需清理常规标点可简化规则，该问题不影响代码运行，仅会影响处理结果。

修正后的可运行代码 #

def remove_punc(string):
    punc = '''!()-[]{};:'"\, <>./?@#$%^&*_~12345678“90σ\nθμνëη=χéὁλςπε”οκ£ι§ρτυαωæδàγψ'''
    for ele in string:  
        if ele in punc:  
            string = string.replace(ele, "") 
    return string

filename = 'Animals.txt' # 补充定义文件名变量
try:
    with open(filename,'r',encoding="utf-8") as f:
        data = f.read()
    with open(filename,"w+",encoding="utf-8") as f:
        f.write(remove_punc(data))
    print("Removed punctuations from the file", filename)
except Exception as e:
    print("运行出错，错误信息：", e) # 增加异常打印，方便定位问题

更简洁的替代实现方案 #

调用Python内置string模块的标点集合，无需手动枚举所有标点，兼容性更强：

import string

def remove_punc(string):
    # 可根据需求调整要过滤的字符范围，此处默认过滤标点、数字、换行符、中文引号
    all_punc = string.punctuation + string.digits + '\n“”‘’'
    return ''.join([char for char in string if char not in all_punc])

filename = 'Animals.txt'
try:
    with open(filename,'r',encoding="utf-8") as f:
        data = f.read()
    # 建议保存为新文件，避免覆盖原文件丢失原始数据
    with open(f"clean_{filename}","w+",encoding="utf-8") as f:
        f.write(remove_punc(data))
    print(f"已完成文件标点清理，清理后文件名为 clean_{filename}")
except Exception as e:
    print("处理出错：", e)

注：处理古腾堡文本时，建议先过滤开头和末尾的项目官方版权说明文本，再做标点清理等后续操作，避免无效内容干扰统计结果。

内容的提问来源于stack exchange，提问作者Theodora Martha