python - 如何从txt(就职典礼)中删除标点符号？

Question

下面的代码设法从就职典礼中的txt中删除所有停用词，但我唯一的问题是我还需要从列表中删除标点符号。关于我如何做到这一点的任何帮助。

def content_text(inaugural):
    stopwords = set(nltk.corpus.stopwords.words('english'))
    w_stp = Counter()
    wo_stp  = Counter()
    for word in inaugural:

        word = word.lower()
        if word in stopwords:
             w_stp.update([word])
        else:

            wo_stp.update([word])

    return [k for k,_ in w_stp.most_common(10)],[y for y,_ in wo_stp.most_common(10)]

print(content_text(nltk.corpus.inaugural.words('1861-Lincoln.txt', )))
print(content_text(nltk.corpus.inaugural.words('1941-Roosevelt.txt', )))
print(content_text(nltk.corpus.inaugural.words('1945-Roosevelt.txt', )))
print(content_text(nltk.corpus.inaugural.words('1981-Reagan.txt', )))
print(content_text(nltk.corpus.inaugural.words('1985-Reagan.txt', )))

Answer 1

实现此目的的一个好方法是使用正则表达式:

import re    
re.sub('[^A-Za-z0-9]+', ' ', nltk.corpus.inaugural.words(**replace with speeches**))

这将删除所有非单词或数字的字符。