Python基于string模块的translate方法移除文本标点未生效问题

• 操作无返回值承接：Python字符串是不可变对象，所有内置的字符串修改类方法都不会改动原字符串，只会返回处理后的新字符串。原代码调用translate()后没有把返回值存回列表对应位置，整个调用完全没有产生实际效果，标点自然不会消失。
• 列表引用错误：train_text_new = train_text只是给原列表加了个别名，两个变量指向同一个内存对象，根本没有生成独立的新列表，后续操作很容易连带改动原始训练数据。

推荐写法（列表推导式实现） #

这种写法更简洁，没有循环索引操作的冗余，处理过程也不会改动原列表数据：

import string

train_text = ["TEXT!!! TEXT TEXT TEXT, TEXT", "TEXT? TEXT TEXT... TEXT TEXT"]
train_text_new = [
    text.translate(str.maketrans('', '', string.punctuation))
    for text in train_text
]

运行后得到的train_text_new完全匹配预期输出：

["TEXT TEXT TEXT TEXT TEXT", "TEXT TEXT TEXT TEXT TEXT"]

兼容原循环结构的写法 #

如果需要保留原本的for循环遍历结构，只需要调整两处逻辑即可：

import string

train_text = ["TEXT!!! TEXT TEXT TEXT, TEXT", "TEXT? TEXT TEXT... TEXT TEXT"]
# 生成原列表的独立副本，避免和原列表共享内存
train_text_new = train_text.copy()
for text_idx in range(len(train_text_new)):
    # 将translate返回的处理结果赋值回对应索引位置
    train_text_new[text_idx] = train_text_new[text_idx].translate(str.maketrans('', '', string.punctuation))

补充说明：string.punctuation覆盖了所有英文场景的常用标点（!?"#$%&'()*+,-./:;<=>?@[\]^_{|}~`），可以满足绝大多数英文文本的标点清理需求，如果需要清理中文标点，可以自行补充自定义的标点集合，传入`maketrans`的第三个参数即可。

内容的提问来源于stack exchange，提问作者Tazz