Eliminación de puntuación y símbolos
Limpiar los caracteres que confunden a los modelos
Eliminación de puntuación y símbolos es una lección gratuita de NLP Academy en CoddyKit. Esta es la lección 3 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de NLP Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de NLP Academy incluye 4 lecciones en total.
La puntuación también es ruido
Después de las stopwords, el siguiente elemento superfluo son los símbolos. Las comas, los signos de dólar y los emojis pueden confundir a un modelo, por lo que a menudo eliminamos la puntuación.
Por qué importa
Sin limpieza, el modelo ve cat, y cat como dos tokens diferentes. Esa coma final divide una palabra en dos características.
Python conoce los signos
El módulo string le proporciona todos los signos habituales en una constante llamada punctuation, así que nunca tendrá que escribirlos a mano.
import string
print(string.punctuation)El truco de translate
La forma más rápida de eliminar caracteres es str.translate con una tabla que asigne cada signo a nada.
table = str.maketrans("", "", string.punctuation)
clean = "hello, world!".translate(table)
print(clean)Limpieza token por token
También puede eliminar los signos token por token. Aplique translate dentro de una comprensión y después descarte cualquier token que haya quedado vacío.
clean = [t.translate(table) for t in tokens]
clean = [t for t in clean if t]Regex para símbolos
¿Necesita más control que el de una lista fija? Una regex puede eliminar todo lo que no sea una letra, un número o un espacio.
import re
clean = re.sub(r"[^a-zA-Z0-9 ]", "", text)Cuidado con los signos útiles
Algunos símbolos tienen significado. Eliminar todos los puntos convierte u.s.a en usa, y puede que eso no sea lo que quiera para su tarea.
Los números son una elección
Los dígitos no son signos de puntuación, pero a menudo son ruido. Decida deliberadamente si desea conservar o eliminar los números de sus datos.
no_digits = re.sub(r"\d+", "", text)Preste atención a los símbolos Unicode
El conjunto de signos de puntuación ASCII no incluye las comillas curvas ni los emojis. Una regex compatible con Unicode detecta los símbolos que una lista fija deja atrás.
clean = re.sub(r"[^\w\s]", "", text)Reduzca los espacios adicionales
Eliminar signos puede dejar huecos y espacios dobles. Una rápida reducción de los espacios en blanco vuelve a ordenar el resultado en palabras limpias.
clean = re.sub(r"\s+", " ", clean).strip()Orden de las operaciones
El orden importa. Elimine la puntuación antes de separar o comparar, para que los signos finales nunca se cuelen en sus tokens definitivos.
Comprobación rápida
Elija la forma más limpia de eliminar la puntuación de una cadena.
Resumen
Ahora puede eliminar la puntuación con translate o regex, gestionar deliberadamente Unicode y los números, y reducir los espacios sobrantes para obtener tokens limpios.
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Eliminación de puntuación y símbolos» es gratis?
Sí — el texto completo de «Eliminación de puntuación y símbolos» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de NLP Academy, actualiza a CoddyKit PRO. El curso de NLP Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Eliminación de puntuación y símbolos»?
Limpiar los caracteres que confunden a los modelos Practicas NLP Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar NLP Academy?
No se requiere experiencia previa. NLP Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 3 de 4.
¿Cuánto tiempo toma la lección «Eliminación de puntuación y símbolos»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de NLP Academy?
Sí. Cada lección de NLP Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- ¿Qué son las stopwords?
- Filtrado de stopwords con NLTK
- Eliminación de puntuación y símbolos
- Construcción de una función reutilizable para limpiar texto