Comment puis-je supprimer la ponctuation d'une chaîne?

Question

Pour l'espoir-avoir-une-réponse-dans-30 secondes partie de cette question, je suis spécifiquement C#

Mais dans le cas général, quelle est la meilleure façon de dépouiller la ponctuation dans tout la langue?

Je devrais ajouter: Idéalement, les solutions n'exigeront pas que vous énumériez toutes les marques de ponctuation possibles.

connexes: Strip Punctuation in Python

Answer 1

La façon simple le plus Braindead de le faire serait d'utiliser String.replace

L'autre façon j'imagine est un Regex.Replace et votre expression régulière avec tous les signes de ponctuation appropriée marques dedans.

Answer 2

En supposant « meilleur » signifie « simple » Je suggère d'utiliser quelque chose comme ceci:

String stripped = input.replaceAll("\\p{Punct}+", ""); 

Cet exemple est pour Java, mais tous les moteurs Regex suffisamment modernes devrait soutenir ce (ou quelque chose de similaire).

Edit: la version Unicode-Aware serait ceci:

String stripped = input.replaceAll("\\p{P}+", ""); 

La première version ne porte que sur les caractères de ponctuation contenus dans ASCII.

Answer 3

new string(myCharCollection.Where(c => !char.IsPunctuation(c)).ToArray()); 

Answer 4

Vous pouvez utiliser la méthode Regex.Replace:

replace(YourString, RegularExpressionWithPunctuationMarks, Empty String) 

Depuis cette retourne une chaîne, votre méthode ressemble à quelque chose comme ceci:

string s = Regex.Replace("Hello!?!?!?!", "[?!]", ""); 

Vous pouvez remplacer « [? !] "avec quelque chose de plus sophitiqué si vous voulez:

(\p{P}) 

Ceci devrait trouver n'importe quelle ponctuation.

Answer 5

basé au large de l'idée GWLlosa, j'ai pu venir avec le suprêmement laid, mais travailler:

string s = "cat!"; 
s = s.ToCharArray().ToList<char>() 
     .Where<char>(x => !char.IsPunctuation(x)) 
     .Aggregate<char, string>(string.Empty, new Func<string, char, string>(
      delegate(string s, char c) { return s + c; })); 

Answer 6

est ici une approche légèrement différente en utilisant LINQ. J'aime ce AviewAnew mais évite les Aggregate

 string myStr = "Hello there..';,]';';., Get rid of Punction"; 

     var s = from ch in myStr 
       where !Char.IsPunctuation(ch) 
       select ch; 

     var bytes = UnicodeEncoding.ASCII.GetBytes(s.ToArray()); 
     var stringResult = UnicodeEncoding.ASCII.GetString(bytes); 

Answer 7

Pourquoi ne pas simplement:

 
string s = "sxrdct?fvzguh,bij."; 
var sb = new StringBuilder(); 

foreach (char c in s) 
{ 
    if (!char.IsPunctuation(c)) 
     sb.Append(c); 
} 

s = sb.ToString(); 

L'utilisation de RegEx est normalement plus lent que les opérations simples char. Et ces opérations LINQ me paraissent exagérées. Et vous ne pouvez pas utiliser un tel code dans .NET 2.0 ...

Answer 8

#include<string> 
    #include<cctype> 
    using namespace std; 

    int main(int a, char* b[]){ 
    string strOne = "H,e.l/l!o W#o@r^l&d!!!"; 
    int punct_count = 0; 

cout<<"before : "<<strOne<<endl; 
for(string::size_type ix = 0 ;ix < strOne.size();++ix) 
{ 
    if(ispunct(strOne[ix])) 
    { 
      ++punct_count; 
      strOne.erase(ix,1); 
      ix--; 
    }//if 
} 
    cout<<"after : "<<strOne<<endl; 
        return 0; 
    }//main 

Answer 9

Décrit l'intention, plus facile à lire (à mon humble avis) et le plus performant:

s = s.StripPunctuation(); 

à mettre en œuvre:

public static class StringExtension 
{ 
    public static string StripPunctuation(this string s) 
    { 
     var sb = new StringBuilder(); 
     foreach (char c in s) 
     { 
      if (!char.IsPunctuation(c)) 
       sb.Append(c); 
     } 
     return sb.ToString(); 
    } 
} 

est d'utiliser l'algorithme de Hades32 qui a été le plus performant du groupe posté.

Answer 10

$newstr=ereg_replace("[[:punct:]]",'',$oldstr); 

Answer 11

Ce fil est si vieux, mais je voudrais de ne pas publier une solution plus élégante (OMI).

string inputSansPunc = input.Where(c => !char.IsPunctuation(c)).Aggregate("", (current, c) => current + c); 

C'est LINQ sans WTF.

Answer 12

Pour les chaînes longues j'utiliser ceci:

var normalized = input 
       .Where(c => !char.IsPunctuation(c)) 
       .Aggregate(new StringBuilder(), 
          (current, next) => current.Append(next), sb => sb.ToString()); 

plus performant que l'utilisation concaténations de chaînes (si je suis d'accord, il est moins intuitif).

Answer 13

J'ai rencontré le même problème et j'étais préoccupé par l'impact sur les performances de l'appel de la IsPunctuation pour chaque vérification. J'ai trouvé cet article: http://www.dotnetperls.com/char-ispunctuation.

Accross les lignes: char.IsPunctuation gère également Unicode au-dessus de ASCII. La méthode correspond à un groupe de caractères, y compris les caractères de contrôle. Par définition, cette méthode est lourde et coûteuse. En fin de compte, je n'ai finalement pas opté pour cela en raison de son impact sur les performances de mon processus ETL.

J'ai opté pour l'implémentation personnalisée de dotnetperls.

Et saillir Pour votre information, voici un code déduit des réponses précédentes pour obtenir la liste de tous les caractères de ponctuation (sauf ceux de contrôle):

var punctuationCharacters = new List<char>(); 

     for (int i = char.MinValue; i <= char.MaxValue; i++) 
     { 
      var character = Convert.ToChar(i); 

      if (char.IsPunctuation(character) && !char.IsControl(character)) 
      { 
       punctuationCharacters.Add(character); 
      } 
     } 

     var commaSeparatedValueOfPunctuationCharacters = string.Join("", punctuationCharacters); 

     Console.WriteLine(commaSeparatedValueOfPunctuationCharacters); 

Cheers, Andrew

Answer 14

Si vous voulez à utiliser pour le texte tokenizing vous pouvez utiliser:

new string(myText.Select(c => char.IsPunctuation(c) ? ' ' : c).ToArray())