1. ホーム
  2. パイソン

[解決済み】文字列から句読点を除去する最適な方法

2022-03-23 09:46:49

質問

もっと簡単な方法があるような気がするのですが。

import string
s = "string. With. Punctuation?" # Sample string 
out = s.translate(string.maketrans("",""), string.punctuation)

ありますか?

解決方法は?

効率性の観点からは、勝てるわけがありません。

s.translate(None, string.punctuation)

Pythonの上位バージョンでは、以下のコードを使用してください。

s.translate(str.maketrans('', '', string.punctuation))

ルックアップテーブルを使ってC言語で生の文字列演算を行っています。

スピードが気にならないなら、別の選択肢もありますが。

exclude = set(string.punctuation)
s = ''.join(ch for ch in s if ch not in exclude)

これは各文字の s.replace よりも高速ですが、以下のタイミングからわかるように、正規表現や string.translate のような純粋な Python ではないアプローチほどにはうまくいきません。 この種の問題では、できるだけ低レベルで行うことが効果的です。

タイミングコード

import re, string, timeit

s = "string. With. Punctuation"
exclude = set(string.punctuation)
table = string.maketrans("","")
regex = re.compile('[%s]' % re.escape(string.punctuation))

def test_set(s):
    return ''.join(ch for ch in s if ch not in exclude)

def test_re(s):  # From Vinko's solution, with fix.
    return regex.sub('', s)

def test_trans(s):
    return s.translate(table, string.punctuation)

def test_repl(s):  # From S.Lott's solution
    for c in string.punctuation:
        s=s.replace(c,"")
    return s

print "sets      :",timeit.Timer('f(s)', 'from __main__ import s,test_set as f').timeit(1000000)
print "regex     :",timeit.Timer('f(s)', 'from __main__ import s,test_re as f').timeit(1000000)
print "translate :",timeit.Timer('f(s)', 'from __main__ import s,test_trans as f').timeit(1000000)
print "replace   :",timeit.Timer('f(s)', 'from __main__ import s,test_repl as f').timeit(1000000)

この結果、次のような結果が得られます。

sets      : 19.8566138744
regex     : 6.86155414581
translate : 2.12455511093
replace   : 28.4436721802