Python删除所有不是字母或数字的东西

Question

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！

Answer 1

[\w] 匹配项（字母数字或下划线）。

[\W] 匹配项（非（字母数字或下划线）），等同于（非字母数字和下划线）

您需要[\W_]删除所有非字母数字。

使用re.sub（）时，如果通过匹配[\W_]+而不是一次替换来减少替换次数（昂贵），则效率会大大提高。

现在，您只需要定义字母数字即可：

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'', s, 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_]+', '', sall, 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'', u'a_b A_Z \x80\xFF \u0404', flags=re.UNICODE)
u'abAZ\xff\u0404'