La suppression de la ponctuation/nombres de texte problème

J'ai eu un peu de code qui fonctionnait bien la suppression de la ponctuation/chiffres à l'aide des expressions régulières en python, j'ai dû modifier un peu le code, de sorte que l'arrêt de la liste travaillé, pas particulièrement important. De toute façon, maintenant, la ponctuation n'est pas supprimé, et franchement, je suis perplexe quant à pourquoi.

import re
import nltk

# Quran subset
filename = raw_input('Enter name of file to convert to ARFF with extension, eg. name.txt: ')

# create list of lower case words
word_list = re.split('\s+', file(filename).read().lower())
print 'Words in text:', len(word_list)
# punctuation and numbers to be removed
punctuation = re.compile(r'[-.?!,":;()|0-9]')
for word in word_list:
    word = punctuation.sub("", word)
print word_list

Tous les pointeurs sur pourquoi ça ne fonctionne pas serait génial, je ne suis pas expert en python donc c'est probablement quelque chose de ridiculement stupide. Merci.

OriginalL'auteur Alex | 2011-04-01

  1. 7

    Changement

    for word in word_list:
    word = punctuation.sub("", word)

    à

    word_list = [punctuation.sub("", word) for word in word_list]

    Affectation à word dans le for-loop ci-dessus, il suffit de modifier la valeur référencée par cette variable temporaire. Il ne modifie pas word_list.

    OriginalL'auteur unutbu

  2. 3

    Vous n'êtes pas la mise à jour de votre liste de mots. Essayez

    for i, word in enumerate(word_list):
    word_list[i] = punctuation.sub("", word)

    Rappelez-vous que si word commence comme une référence à l'objet de type string dans le word_list, la cession relie le nom word de la nouvelle chaîne de l'objet renvoyé par la sub fonction. Il ne change pas l'origine objet référencé.

    OriginalL'auteur Martin Stone