将字符串拆分为一个列表，保留重音字符和表情符号，但删除标点符号

Question

如果我有绳子：

"O João foi almoçar :) ." 

在python中，如何最好地将其拆分为单词列表，如下所示：

^{pr2}$

是吗？在

谢谢：）

索非亚

Answer 1

如果标点符号落在自己的空格分隔标记中，就像您的示例一样，那么很容易：

>>> filter(lambda s: s not in string.punctuation, "O João foi almoçar :) .".split())
['O', 'Jo\xc3\xa3o', 'foi', 'almo\xc3\xa7ar', ':)']

如果不是这样，您可以像这样定义一个笑脸词典（您需要添加更多）：

^{pr2}$

然后用不包含标点符号的占位符替换smiley的每个实例（我们将认为<>不是标点）：

for smiley, placeholder in d.iteritems():
    s = s.replace(smiley, placeholder)

这样我们就可以"O João foi almoçar <HAPPY_SMILEY> ."。在

然后去掉标点：

s = ''.join(filter(lambda c: c not in '.,!', list(s)))

这给了我们"O João foi almoçar <HAPPY_SMILEY>"。在

我们会还原笑脸：

for smiley, placeholder in d.iteritems():
    s = s.replace(placeholder, smiley)

然后我们分开：

s = s.split()

给我们最后的结果：['O', 'Jo\xc3\xa3o', 'foi', 'almo\xc3\xa7ar', ':)']。在

把它们组合成一个函数：

def split_special(s):
    d = { ':)': '<HAPPY_SMILEY>', ':(': '<SAD_SMILEY>'}
    for smiley, placeholder in d.iteritems():
        s = s.replace(smiley, placeholder)
    s = ''.join(filter(lambda c: c not in '.,!', list(s)))
    for smiley, placeholder in d.iteritems():
        s = s.replace(placeholder, smiley)
    return s.split()