python - 删除不在 Python 集合中的字符

Question

我有一个字符串，我正在尝试删除所有不是字母数字的字符，也不是这个集合中的字符

'''!$%*()_-=+\/.,><:;'"?|'''.

我知道这会删除所有非字母数字字符，但我怎样才能做得更好？

re.sub(r'\W+','',line)

Answer 1

Python 2.x 非正则表达式解决方案：

punctuation = '''!$%*()_-=+\/.,><:;'"?|'''
allowed = string.digits + string.letters + punctuation
filter(allowed.__contains__, s)

要过滤的字符串是s. （这可能不是长字符串最快的解决方案。）

Answer 2

归功于这个线程：Remove specific characters from a string in python

首先，无需手动重新输入所有标点符号。为了方便起见， string 模块将 string.punctuation 定义为属性。（help(string)用于查看其他可用的类似定义）

>>> import string
>>>string.punctuation
'!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~'

解决方案的确切应用将需要一些摆弄来定义不需要的字符；一个很大的缺点是，在这种形式下，它只会删除您告诉它删除的字符。如果您确定您的文件是 100% ASCII 字符，那么您可以定义：

>>> delchars = ''.join(c for c in map(chr, range(256)) if c not in (string.punctuation + string.digits + string.letters) )

您可以通过丢弃字符来过滤字符：

>>> text.translate(None, delchars)

编辑：以下是各种方法的一些有趣的计时信息： 从 Python 中的字符串中剥离除字母数字字符之外的所有内容

Answer 3

在 Python 3.x 中，您可以使用translatestring 上的方法来删除不需要的字符：

>>> def remove(string, characters):
        return string.translate(str.maketrans('', '', characters))

>>> import string
>>> remove(string.printable, string.ascii_letters + string.digits + \
                             '''!$%*()_-=+\/.,><:;'"?|''')
'#&@[]^`{}~ \t\n\r\x0b\x0c'