Un signo de puntuación es un caracter seguido de un espacio en blanco. Un signo al final de una cadena se supone implícitamente seguido de un espacio en blanco.
El algoritmo es: examinar cada parte (elemento) en la lista texto
. Por cada parte, revisar si contiene algún signo indeseado. En tal caso, dividir la parte por el signo indeseado y luego procesar cada parte recursivamente y retornar una lista con los resultados.
def limpiar(texto, indeseados):
"""
Elimina signos de puntuacion en un texto.
:param texto: Una lista de textos.
:param indeseados: Una cadena o lista de signos de puntuación.
:return: El texto sin los signos.
"""
salida=[]
for parte in texto:
largo_salida = len(salida)
for ind in indeseados:
if ind == parte[-1]:
# Caso especial: el indeseado es el último caracter,
# simplemente lo eliminamos de la palabra.
# Casos como indeseados = ":" y palabra = "fin:"
parte = parte[:-1]
buscar = ind + " "
if buscar in parte:
subpartes = [x.strip() for x in parte.split(buscar)]
salida.extend(limpiar(subpartes, indeseados))
# Solo se realiza una eliminación de indeseados en 'parte'
# Si hay más indeseados, se eliminan recursivamente.
break
if largo_salida == len(salida):
# La 'parte' no contiene ningun signo de puntuación.
salida.append(parte)
return salida
Comprobación
signos = ",.:;/-"
tests = [["Opciones: dia / noche - invierno / verano", "uno, dos, tres", " marzo - abril - may"],
["lista:", "entonces;", "fin."],
["Horario: 8:00 - 20:00", "Valores: $1,20, $2,40, $3,50"],
["siguiente", "23/5/2020", "clase::metodo", "e-learning", "web 2.0"]
]
print(f"Signos a eliminar: {signos}")
print("")
for test in tests:
print(f"Lista original: {test}")
print(f"Lista limpiada: {limpiar(test, signos)}")
print("")
produce:
Signos a eliminar: ,.:;/-
Lista original: ['Opciones: dia / noche - invierno / verano', 'uno, dos, tres', ' marzo - abril - may']
Lista limpiada: ['Opciones', 'dia', 'noche', 'invierno', 'verano', 'uno', 'dos', 'tres', 'marzo', 'abril', 'may']
Lista original: ['lista:', 'entonces;', 'fin.']
Lista limpiada: ['lista', 'entonces', 'fin']
Lista original: ['Horario: 8:00 - 20:00', 'Valores: $1,20, $2,40, $3,50']
Lista limpiada: ['Horario', '8:00', '20:00', 'Valores', '$1,20', '$2,40', '$3,50']
Lista original: ['siguiente', '23/5/2020', 'clase::metodo', 'e-learning', 'web 2.0']
Lista limpiada: ['siguiente', '23/5/2020', 'clase::metodo', 'e-learning', 'web 2.0']