Python正则去除中英文标点的操作手法

我们在用Python制作一些SEO小工具的时候总是会和文章打交道，大家知道通过Python直接采集，或者通过火车头采集文章的时候，为了保全文章的主题内容可以完全的采集到，文章的内容里面都是有很多的标点符号和HTML的代码片段，那么这个时候就需要Python的正则模块（re）进行二次加工处理。

其实我们可以在搜索引擎上面搜索关键词：Python正则去除中英文标点。也是可以搜索到很多的相关解决问题的方法，不过有些解决的过于复杂，在这里Steven推荐这种方式去解决大部分的文章里面包含中英文标点，通过正则去除的方法。

1、首先导入 re 正则模块

Python

# coding:utf-8
import re

2、然后导入需要处理的文本，你可以通过本地通过open导入，在这里我直接复制到代码里面

Python

# coding:utf-8
import re

content = '<p>　　新朝，是一个非常特殊的政权，它夹在西汉与东汉之间，默默无闻，在人们的印象中，似乎从来没有存在过。这种&ldquo;视而不见&rdquo;的错觉，大概出于两个原 因：一，新朝仅仅维持了14年，寿命太短；二，新朝皇帝王莽，臭名昭著，这位西汉外戚，也是中国历史上第一个&ldquo;窃国大盗&rdquo;，他篡位自代，为儒家正统所不 容。于是，天下群起而攻，历代文人都往他身上泼脏水。但是，这个窃国大盗，却是个十足的&ldquo;大孝子&rdquo;。为什么说，&ldquo;大奸&rdquo;王莽居然是&ldquo;大孝&rdquo;呢？且看他如何 对待自家那些长辈。</p><p style="text-align: center">　　<img alt="" src="/uploads/allimg/130227/1343463513-0.jpg" /></p><p style="text-align: center">新莽皇帝王莽</p><p><br />　　隋唐科举制度诞生以前，朝廷依靠什么手段选拔人才呢？一，看名门望族的出身；二，凭各地&ldquo;举孝廉&rdquo;。 元朝人郭居敬，曾辑录古代24位孝子故事，编成著名的《二十四孝》。其中，那些夸张、乖戾，甚至有些疯狂的做法，简直是病态，听着，叫人浑身起鸡皮疙瘩。 比如，老莱子&ldquo;戏彩娱亲&rdquo;、王祥&ldquo;卧冰求鲤&rdquo;、郭巨&ldquo;埋儿奉母&rdquo;等等。两汉时代，博得大孝之名，就像现在荣获了&ldquo;全国五一劳动奖章&rdquo;，完全可以靠这一点儿 名誉，登堂入室，步入官场。</p><p>　　王莽出身于大家族，姑母王政君，嫁给了汉元帝刘奭，伯伯、叔叔，乃至同辈的叔伯兄弟，都&ldquo;叨光&rdquo;做了大官。唯独王莽这一枝倒霉，还没沾上姑母的 便宜，父亲便早早地死了。王莽年轻，不得不站出来，顶立门户。他既没钱做资本，也不会其它手艺，有个最大爱好，就是博览群书，钻研儒术。但是，这怎么能养 家糊口呢？实在没辙，全家老少只能咬紧牙关，一块儿过苦日子。</p><p style="text-align: center">　　<img alt="" src="/uploads/allimg/130227/13434A550-1.jpg" /></p><p style="text-align: center">民间对王莽篡权的褒贬态度</p><p style="text-align: center">　　&l