python - 从 python 列表中的标记中删除非字母

Question

我的数据在列表中。我标记了数据。数据包含非字母(例如，?、.、!)。

我想从下面的列表中删除非字母(例如，?、.、!)。

[['comfortable',
  'questions?',
  'menu',
  'items!',
  'time',
  'lived',
  'there,',
  'could',
  'easily',
  'direct',
  'people',
  'appropriate',
  'menu',
  'choices',
  'given',
  'allergies.'],
 ['.',
  'sure',
  'giving',
  'wheat',
  'fiction',
  'free',
  'foodthis',
  'place',
  'clean.']]

输出应该是这样的:

[['comfortable',
  'questions',
  'menu',
  'items',
  'time',
  'lived',
  'there,',
  'could',
  'easily',
  'direct',
  'people',
  'appropriate',
  'menu',
  'choices',
  'given',
  'allergies'],
 ['sure',
  'giving',
  'wheat',
  'fiction',
  'free',
  'foodthis',
  'place',
  'clean']]

我试过下面的代码(不工作):

import re 
tokens = [re.sub(r'[^A-Za-z0-9]+', '', x) for x in texts] 

有什么建议吗？

Answer 1

您的正则表达式方法不起作用，因为您拥有的是一个列表列表，因此您正试图将内部列表传递给 re.sub。

您也应该遍历内部列表，然后使用您的 re.sub 。示例 -

>>> tokens = [[y for y in (re.sub(r'[^A-Za-z0-9]+', '', x) for x in sublst) if y] for sublst in texts]
>>> pprint.pprint(tokens)
[['comfortable',
  'questions',
  'menu',
  'items',
  'time',
  'lived',
  'there',
  'could',
  'easily',
  'direct',
  'people',
  'appropriate',
  'menu',
  'choices',
  'given',
  'allergies'],
 ['sure', 'giving', 'wheat', 'fiction', 'free', 'foodthis', 'place', 'clean']]