从字符串中删除反斜杠

Question

我有一个字符串，是一个句子，像这样：I don't want it, there'll be others 因此文本看起来像这样：I don\'t want it, there\'ll be other 由于从另一个来源读取，所以一些原因会在'旁边的文本中带有\。我想将它删除，但无法实现。我已经尝试过： sentence.replace("\'","'") sentence.replace(r"\'","'") sentence.replace("\\","") sentence.replace(r"\\","") sentence.replace(r"\\\\","") 我知道\是用来转义的，所以不确定如何处理引号。

- jason

---

你在源代码中有实际文本“'我不想要它，还会有其他的'”吗？还是从某个文件或用户输入中读取文本？ - Some programmer dude

你如何编写文本？反斜杠在打印时会自动删除。 - Eugene Soldatov

@JoachimPileborg 这是从某个文件中读取的，而不是输入的。 - jason

反斜杠实际上在文本文件中吗？ - Some programmer dude

翻译：糟糕，当我使用“print”打印该变量时，它没有显示出来，那么这是一个nltk的问题吗？它正在拆分“don't”，我看到的只有“don”。 - jason

Answer 1

< p > \ 只是用来 转义 ' 字符的。它只在字符串的表示形式 (repr) 中可见，实际上并不是字符串中的字符。请参见以下演示。

>>> repr("I don't want it, there'll be others")
'"I don\'t want it, there\'ll be others"'

>>> print("I don't want it, there'll be others")
I don't want it, there'll be others

- Cory Kramer

---

这对我没有帮助，因为我通过 nltk 输入字符串时，它认为 don 是一个单独的单词，从而截断了 don't 这个词。 - jason

我觉得这是一个nltk的问题，谢谢你的帮助。 - jason

这不是一个nltk的“问题”。反斜杠是Python向您展示字符串在撇号处并未结束的方式，正如大家所说。通常的NLTK分词故意在撇号处将单词分开；这与反斜杠无关。 - alexis

Answer 2

尝试使用：

sentence.replace("\\", "")

你需要两个反斜杠，因为第一个反斜杠充当转义符号，而第二个是你需要替换的符号。

- Eugene Soldatov

Answer 3

最好使用正则表达式来移除反斜杠：

>>> re.sub(u"u\005c'", r"'", "I don\'t want it, there\'ll be other")
"I don't want it, there'll be other"

- Mayur Koshti

Answer 4

如果您的文本来自抓取的文本，并且在使用NLP工具处理之前没有对其进行未转义的清理，则可以轻松取消转义HTML标记，例如：

在python2.x中：

>>> import sys; sys.version
'2.7.6 (default, Jun 22 2015, 17:58:13) \n[GCC 4.8.2]'
>>> import HTMLParser
>>> txt = """I don\'t want it, there\'ll be other"""
>>> HTMLParser.HTMLParser().unescape(txt)
"I don't want it, there'll be other"

在 Python3 中：

>>> import sys; sys.version
'3.4.0 (default, Jun 19 2015, 14:20:21) \n[GCC 4.8.2]'
>>> import html
>>> txt = """I don\'t want it, there\'ll be other"""
>>> html.unescape(txt)
"I don't want it, there'll be other"

參見：如何在Python 3.1中將字符串中的HTML實體反轉義？

- alvas