Python删除不是字母或数字的任何内容

如何解决Python删除不是字母或数字的任何内容

| 我在使用Python正则表达式时遇到了一些麻烦。删除字符串中所有非字母或数字的字符的好方法是什么？谢谢！

解决方法

[\\w]匹配（字母数字或下划线）。 [\\W]匹配项（不（字母数字或下划线）），等效于（非字母数字和下划线）您需要ѭ2才能删除所有非字母数字。当使用re.sub（）时，如果通过使用[\\W_]+匹配而不是一次执行一次来减少替换次数（昂贵），则效率会更高。现在，您需要定义字母数字： str对象，仅ASCII A-Za-z0-9：

    re.sub(r\'[\\W_]+\',\'\',s)

str对象，仅区域设置定义的字母数字：

    re.sub(r\'[\\W_]+\',s,flags=re.LOCALE)

unicode对象，所有字母数字：

    re.sub(ur\'[\\W_]+\',u\'\',flags=re.UNICODE)

str对象的示例：

>>> import re,locale
>>> sall = \'\'.join(chr(i) for i in xrange(256))
>>> len(sall)
256
>>> re.sub(\'[\\W_]+\',sall)
\'0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz\'
>>> re.sub(\'[\\W_]+\',sall,flags=re.LOCALE)
\'0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz\'
>>> locale.setlocale(locale.LC_ALL,\'\')
\'English_Australia.1252\'
>>> re.sub(\'[\\W_]+\',flags=re.LOCALE)
\'0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz\\x83\\x8a\\x8c\\x8e\\
x9a\\x9c\\x9e\\x9f\\xaa\\xb2\\xb3\\xb5\\xb9\\xba\\xc0\\xc1\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\
xca\\xcb\\xcc\\xcd\\xce\\xcf\\xd0\\xd1\\xd2\\xd3\\xd4\\xd5\\xd6\\xd8\\xd9\\xda\\xdb\\xdc\\xdd\\xde\\
xdf\\xe0\\xe1\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xeb\\xec\\xed\\xee\\xef\\xf0\\xf1\\xf2\\
xf3\\xf4\\xf5\\xf6\\xf8\\xf9\\xfa\\xfb\\xfc\\xfd\\xfe\\xff\'
# above output wrapped at column 80

Unicode示例：

>>> re.sub(ur\'[\\W_]+\',u\'a_b A_Z \\x80\\xFF \\u0404\',flags=re.UNICODE)
u\'abAZ\\xff\\u0404\'

, \'\\W\'与[^A-Za-z0-9_]相同，外加您所在地区的重音字符。

>>> re.sub(\'\\W\',\'text 1,2,3...\')
\'text123\'

也许您想保留空格或使用所有单词（和数字）：

>>> re.findall(\'\\w+\',\'my. text,--without-- (punctuation) 123\')
[\'my\',\'text\',\'without\',\'punctuation\',\'123\']

, 在字符集匹配规则[...]中，您可以将^指定为第一个字符，以表示\“ not in \”

import re
re.sub(\"[^0-9a-zA-Z]\",# Anything except 0..9,a..z and A..Z
       \"\",# replaced with nothing
       \"this is a test!!\")    # in this string

--> \'thisisatest\'

, 您也可以尝试通过以下方式使用isalpha和isnumeric方法：

text = \'base,sample test;\'
getVals = lambda x: (c for c in text if c.isalpha() or c.isnumeric())
map(lambda word: \' \'.join(getVals(word)): text.split(\' \'))

, 您还可以考虑其他方法，例如只需循环遍历字符串并跳过不需要的字符，例如假设您要删除不是字母或数字的所有ascii字符

>>> newstring = [c for c in \"a!1#b$2c%3\\t\\nx\" if c in string.letters + string.digits]
>>> \"\".join(newstring)
\'a1b2c3x\'

或使用string.translate将一个字符映射到其他字符或删除一些字符，例如

>>> todelete = [ chr(i) for i in range(256) if chr(i) not in string.letters + string.digits ]
>>> todelete = \"\".join(todelete)
>>> \"a!1#b$2c%3\\t\\nx\".translate(None,todelete)
\'a1b2c3x\'

这样，您需要一次计算todelete列表，或者todelete可以进行一次硬编码，并在需要转换字符串的任何地方使用它 , 您可以在python中使用预定义的正则表达式：\\W对应于集合[^a-zA-Z0-9_]。然后，

import re
s = \'Hello dutrow 123\'
re.sub(\'\\W\',s)
--> \'Hellodutrow123\'

, 你需要更加详细： Unicode \“字母\”怎么办？即那些带有变音符号的人。那么空白呢？（我认为这是您要删除的标点符号）当您说“字母”时，仅表示ASCII中的A-Z和a-z吗？当您说“数字”时，您的意思仅是0-9吗？小数，分隔符和指数呢？它很快变得复杂... 一个很好的起点是一个交互式正则表达式站点，例如RegExr 您还可以获得特定于Python的Python Regex工具

Python删除不是字母或数字的任何内容

如何解决Python删除不是字母或数字的任何内容

解决方法

相关推荐