如何拆分句子，讓只有ASCII字符

Question

我想要拆分句子的話轉換成標籤（要在Mongodb一個簡單的全文搜索），我不想保存逗號或冒號：

phrase = "hello, this is a simple description!" 
pattern = "[\"\'\!\?\:\,\;]" 

我已經試過這樣：

re.split(pattern, phrase) 
Out[1]: ['hello', ' this is a simple description', ''] # as you can see, i've always blank characters. 

我想刪除所有「非字母字符」，有phrase.replace(",", " ")但僅替換一個字符，所以我怎麼使用正則表達式替換爲？像re.remove(pattern, phrase)這樣的東西，是否存在一個循環，這是否會成爲服務器的繁重工作？

Answer 1

non-regex解決方案： 使用strip()，但您需要將所有非字母字符傳遞給它。

類似：strip(',!*&^%#$;:+')

In [12]: phrase = "hello, this is: a simple; description!!" 
In [13]: [x.strip(',!*&^%#$;:+') for x in phrase.split()] 

Out[13]: ['hello', 'this', 'is', 'a', 'simple', 'description'] 

Answer 2

如果你在非單詞字符\W上分開，那麼這些單詞只能包含一個單詞的數組。