Pythonの中国語の句読点を削除するには

Question

私はすべての句読点を削除したいという文章があります。

首页 » 政策法规 » 正文吉林省实施《中华人民共和国老年人权益保障法》若干规定 发布时间： 2008-01-04    

空白を含むすべての中国語の句読点を削除します。以下は私のコードです：

line = line.decode("utf8") 
line = re.sub("[\s+\.\!\/_,$%^*(+\"\']+|[+——！，。？、~@#￥%……&*（）：；《）《》“”()»〔〕-]+".decode("utf8"), "".decode("utf8"),line) 

しかし、私はまだ空のスペースを持っていません。中国の句読点を削除する簡単な方法が存在するのだろうか？

Answer 1

re.subは、patternがUnicodeで、あなたのコードのようにsub(pattern, repl, string, count=0, flags=0)

あるreplもユニコードである（実際には、復号化するために必要ではない）、

しかしstringは、UTF-8エンコードされた文字列ではないユニコードで 。

これを試してみて、

print re.sub(ur"[\s+\.\!\/_,$%^*(+\"\']+|[+——！，。？、~@#￥%……&*（）：；《）《》“”()»〔〕-]+", "", s.decode("utf8"))