如何从字符串列表中删除特殊字符？

Question

我正在读取文件，并对文件内容使用正则表达式来执行某些操作。在读取文件时，我在文件中找不到任何特殊字符，但是在文件内容上使用正则表达式并将其保存到列表后，在数字前有特殊字符，例如\ t和\ xa0。

示例文件内容：

Hydrochloric Acid to pHÂ 3.3-5.0        q.s.    q.s.    q.s.    pH-regulator    Ph Eur, NF

应用正则表达式后：

Hydrochloric Acid to pHÂ\xa03.3-5.0\tq.s.\tq.s.\tq.s.\tpH-regulator\tPh Eur, NF

如何在没有单独的字符串替换技术的情况下删除所有这些。

代码：

def extract(filename):
    file=open(filename)
    file=file.read()
    print(file)
    print("wefewwEF3RF3")
    result = []
    med = r"(?:{})".format("|".join(map(re.escape, medicines)))
    pattern = re.compile(r"^\s*" + med + r".*(?:\n[^\w\n]*\d*\.?\d+[^\w\n]*(?:\n.*){2})?", re.M|re.IGNORECASE)
    result = pattern.findall(file)
#    result.encode('ascii', 'ignore')
    newresult = []
    for line in result:
        newresult.append((line.strip()))
    return newresult

新结果列表包含原始文件中不存在的所有这些特殊字符

Answer 1

嗨，

您可以在其他Python版本下检查代码吗？在3.8.0上似乎可以正常工作。

def extract(filename):
    file='Hydrochloric Acid to pHÂ 3.3-5.0        q.s.    q.s.    q.s.    pH-regulator    Ph Eur, NF'
    result = []
    med = r"(?:{})".format("|".join(map(re.escape, file)))
    pattern = re.compile(r"^\s*" + med + r".*(?:\n[^\w\n]*\d*\.?\d+[^\w\n]*(?:\n.*){2})?", re.M|re.IGNORECASE)
    result = pattern.findall(file)
    #result.encode('ascii', 'ignore')
    newresult = []
    for line in result:
        newresult.append((line.strip()))
    print(file)
    print (newresult)
    return newresult
extract('test')

Answer 2

如果您知道所有这些特殊字符，则可以使用str的maketrans和translate方法按以下方式用空格替换它们：

txt = 'Hydrochloric Acid to pHÂ\xa03.3-5.0\tq.s.\tq.s.\tq.s.\tpH-regulator\tPh Eur, NF'
t = ''.maketrans('\xa0\t','  ')
newtxt = txt.translate(t)
print(newtxt)

输出

Hydrochloric Acid to pHÂ 3.3-5.0 q.s. q.s. q.s. pH-regulator Ph Eur, NF

maketrans接受2或3个参数。它创建转换表，然后可以在translate方法中使用该转换表，其工作方式如下：将maketrans第一个参数中的每个字符替换为maketrans第二个参数中的相应字符（因此它们必须具有相同的长度），并且maketrans的第三个参数中存在的每个字符都将被删除。在上面的示例中，\xa0被替换为空格，\t被替换为空格。