阅读本文需要3分钟
问题:
过滤用户输入中前后多余的空白字符
‘ ++++abc123--- ‘
过滤某windows下编辑文本中的'\r':
‘hello world \r\n'
去掉文本中unicode组合字符,音调
"Zhào Qián Sūn Lǐ Zhōu Wú Zhèng Wáng"
如何解决以上问题?
去掉两端字符串:strip(), rstrip(),lstrip()
s = ' -----abc123++++ ' # 删除两边空字符 print(s.strip()) # 删除右边空字符 print(s.rstrip()) # 删除左边空字符 print(s.lstrip()) # 删除两边 - + 和空字符 print(s.strip().strip('-+'))
删除单个固定位置字符:切片 + 拼接
s = 'abc:123' # 字符串拼接方式去除冒号 new_s = s[:3] + s[4:] print(new_s)
删除任意位置字符同时删除多种不同字符:replace(), re.sub()
# 去除字符串中相同的字符 s = '\tabc\t123\tisk' print(s.replace('\t', '')) import re # 去除\r\n\t字符 s = '\r\nabc\t123\nxyz' print(re.sub('[\r\n\t]', '', s))
同时删除多种不同字符:translate()
python3中为str.maketrans()做映射
s = 'abc123xyz' # a _> x, b_> y, c_> z,字符映射加密 print(str.maketrans('abcxyz', 'xyzabc')) # translate把其转换成字符串 print(s.translate(str.maketrans('abcxyz', 'xyzabc')))
去掉unicode字符中音调
import sys import unicodedata s = "Zhào Qián Sūn Lǐ Zhōu Wú Zhèng Wáng" remap = { # ord返回ascii值 ord('\t'): '', ord('\f'): '', ord('\r'): None } # 去除\t, \f, \r a = s.translate(remap) ''' 通过使用dict.fromkeys() 方法构造一个字典,每个Unicode 和音符作为键,对于的值全部为None 然后使用unicodedata.normalize() 将原始输入标准化为分解形式字符 sys.maxunicode : 给出最大Unicode代码点的值的整数,即1114111(十六进制的0x10FFFF)。 unicodedata.combining:将分配给字符chr的规范组合类作为整数返回。如果未定义组合类,则返回0。 ''' cmb_chrs = dict.fromkeys(c for c in range(sys.maxunicode) if unicodedata.combining(chr(c))) #此部分建议拆分开来理解 b = unicodedata.normalize('NFD', a) ''' 调用translate 函数删除所有重音符 ''' print(b.translate(cmb_chrs))
往期精彩文章:
Python Scrapy框架之ItemPipeline的使用
Python Scrapy框架之SpiderMiddleware中间件
岁月有你 惜惜相处