如何向string.punctuation添加更多标点符号

Question

print string.punctuation看起来像这样：

!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~

我想知道我们是否可以给它添加更多的标点符号，比如看起来像这样的中文句号：“。

我想要做的是：

# -*- coding: utf-8 -*-

exclude = string.punctuation.decode("ascii") + u"。"
c = codecs.open("my_file.csv", "w", "utf-8")
my_string = "你好， 天气很好。"
#print my_string.encode('utf-8').translate({ord(p): None for p in exclude})
print >> c, my_string.encode('utf-8').translate({ord(p): None for p in exclude})
desired output: "你好， 天气很好"

print >> c, my_string.encode('utf-8').translate({ord(p): None for p in exclude})给出一个错误：

TypeError:应为字符缓冲区对象

Answer 1

您可以添加额外的标点符号，但如果您处理的是中文文本，则可能希望使用Unicode而不是8位字符。string.puctuation中的标点符号都是ASCII码，所以要将其作为unicode字符串使用，您需要对其进行解码：

exclude = string.punctuation.decode("ascii") + u"。"
my_string = u"你好， 天气很好。"
print my_string.translate({ord(p): None for p in exclude})

请注意，我必须以不同的方式调用translate，因为unicode.translate采用的参数与str.translate不同。其中一个参数是从Unicode序号(整数)到字符、序号或(我在本例中使用的) None (从输出中删除字符)的字典映射。

如果您打算在源代码中包含Unicode字符串文字(如"。"字符串)，则需要确保在注释中具有适当的编码declared at the top of your file：

# -*- coding: utf8 -*-

(或者您在编辑器中使用的任何实际编码。)