6

Eu estou fazendo um exercício do Coursera em Python. Nesse exercício ele pede para construir uma função em Python que recebe uma string (palavra) e remove os símbolos de pontuação. Ele me fornece uma lista de strings ["'", '"', ",", ".", "!", ":", ";", '#', '@'] e coloca como sugestão de resolução para o problema usar o método .replace() para strings.

O problema é que a sintaxe do .replace() é composta da forma: replace(old, new, count), onde os dois primeiros parâmetros são obrigatórios. Como resolver isso? No argumento _old_ coloco " " como espaço vazio?

4 Respostas 4

5

A ideia é basicamente essa, mas é uma solução um pouco mais complicada que isso porque se trocar o símbolo por um espaço pode ser que fique dois espaços seguidos, o que seria errado, porém em alguns casos não terá um espaço em seguida e aí o espaço seria melhor porque juntar duas palavras será muito pior. O correto é fazer uma algoritmo um pouco mais sofisticado entendendo como trocar. Se fosse só esse padrão até seria mais simples, mas pode ter outros.

Como o exercício parece pedir só uma forma simples e só tem a intenção de de trocar um símbolo por um espaço então a solução que pensou de trocar o símbolo por um espaço é a adequada, mas deve colocar o espaço no parâmetro new que é o que ficará na conclusão. Algo assim:

texto = texto.replace('@', ' ')

Veja funcionando no ideone. E no repl.it. Também coloquei no GitHub para referência futura.

Se quiser se arriscar, e vale como experimento é trocar os espaço por nada. O nada são duas aspas seguidas e sem o espaço, algo assim:

texto = texto.replace('!', '')

Você teria que fazer vários comandos desses, um para cada símbolo que for "limpar". Isso é extremamente ineficiente, mas para um exercício não tem problema.

Alguém provavelmente irá sugerir usar um RegEx no replace() para ficar mais sofisticado, mas parece avançado para o que está aprendendo agora, e como dizem:

Quando você tenta resolver um problema com RegEx você passa ter dois problemas

5

Olhando na documentação do método replace, é dito que:

Return a copy of the string with all occurrences of substring old replaced by new

Ou seja, se você fizer string.replace('alguma coisa', 'outra coisa'), todas as ocorrências de "alguma coisa" serão substituídas por "outra coisa". E se no lugar de "outra coisa" você passar a string vazia ('' ou "" - repare que não há nada entre as aspas), o "alguma coisa" é trocado por "nada", o que na prática é o mesmo que remover o trecho "alguma coisa".

Sendo assim, se você deve obrigatoriamente usar somente replace e a lista de caracteres a serem removidos, não tem jeito, tem que remover um a um. Assim:

simbolos_pontuacao = ["'", '"', ",", ".", "!", ":", ";", '#', '@']
texto = 'Lorem: "ipsum" \'dolor\', sit! Amet; bla... bl@ #etc#, whiskas sache!!'
# para cada símbolo, remove-o da string
for c in simbolos_pontuacao:
    texto = texto.replace(c, '')

print(texto) # Lorem ipsum dolor sit Amet blabl etc whiskas sache

Não é lá muito eficiente porque cada chamada de replace cria uma nova string (por isso que eu preciso atribuir o retorno na variável texto).

Para quem gosta de uma "pegada" mais funcional, também dá para usar reduce:

from functools import reduce
texto = reduce(lambda t, s: t.replace(s, ''), simbolos_pontuacao, texto)

Que no fundo faz a mesma coisa que o loop, só que com mais overhead...

Enfim, usando replace, não tem muito como fugir disso. Mas existem outras formas de fazer.


Outra forma é percorrer cada caractere da string e verificar se ela pertence à lista. Então eu junto todos que não pertencem e monto outra string:

texto = ''.join(c for c in texto if c not in simbolos_pontuacao)

Também não deve ser muito eficiente porque para cada caractere da string eu tenho que percorrer toda a lista simbolos_pontuacao para verificar se o caractere é um dos que devem ser removidos (como o operador in faz uma busca linear, a lista será percorrida várias vezes).

Uma alternativa é trocar a lista por um set, pois a busca em set's é mais rápida se comparado a uma lista:

# usar set em vez de lista
simbolos_pontuacao = {"'", '"', ",", ".", "!", ":", ";", '#', '@'}
texto = ''.join(c for c in texto if c not in simbolos_pontuacao)

Outra alternativa é usar regex. Como todos os símbolos da lista só tem um caractere, posso juntá-los em uma classe de caracteres: ['",.!:;#@]. Assim, a substituição é feita de uma vez:

import re

r = re.compile(f'[{"".join(simbolos_pontuacao)}]')
texto = r.sub('', texto)

Se algum elemento da lista simbolos_pontuacao tivesse mais de um caractere, aí eu não poderia usar a classe de caracteres. Por exemplo, se tivesse ab na lista, então [ab] não serviria, pois isso significa "a letra a ou a letra b". Neste caso, eu tenho que usar alternância:

# incluí um elemento com mais de um caractere
simbolos_pontuacao = ['...', "'", '"', ",", "!", ":", ";", '#', '@']
texto = 'Lorem: "ipsum" \'dolor\', sit! Amet; bla... bl@ #etc#, whiskas sache!!'

import re

r = re.compile(f'({"|".join(map(re.escape, simbolos_pontuacao))})')
texto = r.sub('', texto)

print(texto) # Lorem ipsum dolor sit Amet blabl etc whiskas sache

Neste caso a regex se tornou (\.\.\.|'|"|,|!|:|;|\#|@). Repare que o ponto foi escrito como \., já que ele possui significado especial em regex (significa "qualquer caractere, exceto quebras de linha"), então para que ele corresponda a somente o caractere ., tenho que escapá-lo com \, e isso é feito por re.escape.

No primeiro caso eu não precisei do escape porque os metacaracteres "perdem seus poderes" quando estão dentro de colchetes (nesse caso eu só precisaria escapar os próprios colchetes).

3

TL;DR

Usando str.translate é performático porém funciona apenas se as strings recebidas forem de apenas 1 caractere.

chars = ["'", '"', ",", ".", "!", ":", ";", '#', '@']
texto = 'Lorem: "ipsum" \'dolor\', sit! Amet; bla... bl@ #etc#, whiskas sache!!'

resultado = texto.translate(str.maketrans('', '', "".join(chars)))
# 'Lorem ipsum dolor sit Amet bla bl etc whiskas sache'

Explicação

Vou deixar aqui mais um método não abordado nas outras respostas ainda, que seria o método str.translate.

O método str.translate recebe uma "tabela de tradução" que deve ser um objeto que permita acesso indexado, como dicionários ou listas, onde o índice acessado é um inteiro representando o Unicode Code Point do caracterer (ver ord()) e o item acessado deve retornar o caractere substituto ou None para não incluir no resultado. Veja um exemplo de uso:

tabela = {
    ord("a"): "A",
    ord("b"): "*",
    ord("c"): None,
}
texto = "a-b-c-d"

print(texto.translate(tabela))    # 'A-*--d'

Estou montando esta tabela "na mão" para fins demonstrativos, mas geralmente se usa o método estático str.maketrans para criá-la com mais facilidade. A mesma tabela acima poderia ser criada assim:

tabela = str.maketrans("ab", "A*", "c")
texto = "a-b-c-d"

print(texto.translate(tabela))  # 'A-*--d'

Explicando melhor o str.maketrans, ele pode receber 1, 2 ou 3 argumentos:

  • 1 argumento: o argumento deve ser um dicionário (ou algum mapping) cujas chaves são inteiros (Unicode Code Points) ou string com tamanho 1. Exemplo:

    tabela = str.maketrans({
        97: 'A',  # ord('a') == 97
        'b': 66,  # ord('B') == 66
        'c': 'C',
        'd': None,
    })
    
    print(tabela)
    # {
    #     97: 'A', 
    #     98: 66, 
    #     99: 'C',
    #     100: None,
    # }
    
  • 2 argumentos: ambos devem ser strings e devem ter o mesmo tamanho. A tabela resultante mapeará chaves e valores com os mesmos índices nas strings. Exemplo:

    tabela = str.maketrans('abcd', 'ABCD')
    
    print(tabela)
    # {
    #     97: 65, 
    #     98: 66, 
    #     99: 67,
    #     100: 68,
    # }
    
  • 3 argumentos: segue o mesmo padrão de 2 argumentos, porém o 3º argumento será uma string contendo os caracteres que devem ser mapeados para None. Exemplo:

    tabela = str.maketrans('abc', 'ABC', 'd')
    
    print(tabela)
    # {
    #     97: 65, 
    #     98: 66, 
    #     99: 67,
    #     100: None,
    # }
    

Então bastaria usar a tabela criada pelo str.maketrans no str.translate. Como ficaria em uma função:

def remove_chars(string, chars):
    return string.translate(str.maketrans('', '', "".join(chars)))

Performance

Criei um Repl.it com 4 abordagens diferentes para o problema:

  1. Usando str.translate:

    def remove_chars_translate(string, chars):
        return string.translate(str.maketrans('', '', "".join(chars)))
    
  2. Usando generator expressions como mencionado em outra resposta:

     def remove_chars_gen_comprehension(string, chars):
         return "".join(c for c in string if c not in chars)
    
  3. Mesma anterior, porém usando set para pesquisar caracteres:

     def remove_chars_gen_comprehension_with_set(string, chars):
         chars = set(chars)
         return "".join(c for c in string if c not in chars)
    
  4. Usando regex (também extraída da outra resposta):

     def remove_chars_regex(string, chars):
         r = re.compile(f'({"|".join(map(re.escape, chars))})')
         return r.sub('', texto)
    

Os resultados na minha máquina (com 1_000_000 iterações) foram:

                  remove_chars_translate:  1.6842 s
          remove_chars_gen_comprehension: 11.0966 s
 remove_chars_gen_comprehension_with_set:  4.2422 s
                      remove_chars_regex:  5.9396 s

Obs.: Diminuí o número de iterações do timeit no Repl.it pra não demorar muito para ter resultados (tinham resultados passando dos 30s).

2
  • 1
    Muito bom, confesso que sempre tive preguiça de entender como o maketrans funciona, e finalmente entendi :-) E também fiquei surpreso que a regex não foi a mais lenta de todas (pelo jeito verificar se cada caractere está na lista acaba sendo pior do que imaginei, e o custo de criar um set acaba se pagando)
    – hkotsubo
    Commented 8/07/2021 às 23:44
  • 1
    Eu criei a resposta achando que o translate valesse a pena pela implementação em C e por aparentemente fazer tudo num loop só... Mas o ganho com set também me pegou de surpresa.. não esperava tanto Commented 9/07/2021 às 1:55
-1

O Replace funciona como vai percorrer sua string buscando por ocorrência do valor passado no parâmetro old, e quando ele encontra esse valor na string, substitui pelo valor passado no segundo parâmetro.

O parâmetro count representa quantos ocorrências você quer que seja substituída na string, suponde que você tenha mais de uma ocorrência do valor pesquisado.

texto = 'Hello World';

texto.replace('llo', 'troquei');

#Hetroquei World

texto.replace('l','L', 2);

#HeLLo World

2
  • Isso eu já sabia, mas como eu faço para remover uma string usando esse método, sem colocar nada no lugar?
    – user26832
    Commented 15/04/2020 às 23:52
  • para remover a parte da string é só substituir por string vazia por exemplo 'Hello Word'.replace('llo','') vai retornar He Word Commented 16/04/2020 às 0:00

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .