从字符串中删除所有特殊字符,标点符号和空格

Question

我需要从字符串中删除所有特殊字符,标点符号和空格,以便我只有字母和数字.

Answer 1

这可以不用str.isalnum:

>>> string = "Special $#! characters   spaces 888323"
>>> ''.join(e for e in string if e.isalnum())
'Specialcharactersspaces888323'

你可以使用str.isalnum:

S.isalnum() -> bool

Return True if all characters in S are alphanumeric
and there is at least one character in S, False otherwise.

如果您坚持使用str.isalnum,其他解决方案将会很好.但请注意,如果可以在不使用正则表达式的情况下完成,那么这是最好的方法.

Answer 2

这是一个正则表达式,用于匹配不是字母或数字的字符串:

[^A-Za-z0-9]+

以下是执行正则表达式替换的Python命令:

re.sub('[^A-Za-z0-9]+', '', mystring)

Answer 3

更短的方式:

import re
cleanString = re.sub('\W+','', string )

如果你想要单词和数字之间的空格替换''with''

Answer 4

在看到这个之后,我有兴趣通过查找在最短的时间内执行哪些来扩展所​​提供的答案,所以我通过timeit对两个示例字符串检查了一些建议的答案:

• string1 = 'Special $#! characters spaces 888323'
• string2 = 'how much for the maple syrup? $20.99? That s ricidulous!!!'

例1

'.join(e for e in string if e.isalnum())

• string1 - 结果:10.7061979771
• string2 - 结果:7.78372597694

例2

import re re.sub('[^A-Za-z0-9]+', '', string)

• string1 - 结果:7.10785102844
• string2 - 结果:4.12814903259

例3

import re re.sub('\W+','', string)

• string1 - 结果:3.11899876595
• string2 - 结果:2.78014397621

以上结果是平均值的最低返回结果的乘积: repeat(3, 2000000)

实施例3可以比实施例1快3倍.

Answer 5

Python 2.*

我认为只是filter(str.isalnum, string)有效

In [20]: filter(str.isalnum, 'string with special chars like !,#$% etcs.')
Out[20]: 'stringwithspecialcharslikeetcs'

Python 3.*

在Python3中,filter( )函数将返回一个可迭代的对象(而不是上面的字符串).必须加入以从itertable获取字符串:

''.join(filter(str.isalnum, string)) 

或传递list加入使用(不确定,但可以快一点)

''.join([*filter(str.isalnum, string)])

Answer 6

#!/usr/bin/python
import re

strs = "how much for the maple syrup? $20.99? That's ricidulous!!!"
print strs
nstr = re.sub(r'[?|$|.|!]',r'',strs)
print nstr
nestr = re.sub(r'[^a-zA-Z0-9 ]',r'',nstr)
print nestr

你可以添加更多特殊字符,这将被替换为''意味着什么,即它们将被删除.

Answer 7

string.punctuation 包含以下字符：

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

您可以使用 translate 和 maketrans 函数将标点符号映射到空值（替换）

import string

'This, is. A test!'.translate(str.maketrans('', '', string.punctuation))

输出：

'This is A test'

Answer 8

与使用正则表达式的其他所有人不同，我会尝试排除每个不需要的字符，而不是明确枚举不需要的字符。

例如，如果我只需要'a到z'字符（大写和小写）和数字，我将排除所有其他内容：

import re
s = re.sub(r"[^a-zA-Z0-9]","",s)

这意味着“用空字符串替换每个不是数字的字符，或用'a到z'或'A到Z'范围内的字符”。

实际上，如果^在正则表达式的第一位插入特殊字符，则会得到否定。

额外提示：如果您还需要将结果小写，则可以使正则表达式更快，更轻松，只要您现在找不到大写即可。

import re
s = re.sub(r"[^a-z0-9]","",s.lower())

Answer 9

假设您想要使用正则表达式,并且您需要/需要准备好2to3的Unicode识别2.x代码:

>>> import re
>>> rx = re.compile(u'[\W_]+', re.UNICODE)
>>> data = u''.join(unichr(i) for i in range(256))
>>> rx.sub(u'', data)
u'0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz\xaa\xb2 [snip] \xfe\xff'
>>>

Answer 10

最通用的方法是使用unicodedata表的"类别",它对每个字符进行分类.例如,以下代码仅根据类别过滤可打印字符:

import unicodedata
# strip of crap characters (based on the Unicode database
# categorization:
# http://www.sql-und-xml.de/unicode-database/#kategorien

PRINTABLE = set(('Lu', 'Ll', 'Nd', 'Zs'))

def filter_non_printable(s):
    result = []
    ws_last = False
    for c in s:
        c = unicodedata.category(c) in PRINTABLE and c or u'#'
        result.append(c)
    return u''.join(result).replace(u'#', u' ')

查看上面给定的URL以了解所有相关类别.您当然也可以按标点类别进行过滤.

Answer 11

s = re.sub(r"[-()\"#/@;:<>{}`+=~|.!?,]", "", s)

Answer 12

对于包含特殊字符的其他语言，如德语、西班牙语、丹麦语、法语等（如德语“Umlaute”如\xc3\xbc, \xc3\xa4, \xc3\xb6），只需将这些添加到正则表达式搜索字符串中：

\n

德语示例：

\n

re.sub('[^A-Z\xc3\x9c\xc3\x96\xc3\x84a-z0-9]+', '', mystring)\n

\n

Answer 13

这将从字符串中删除所有特殊字符、标点符号和空格，并且仅包含数字和字母。

import re

sample_str = "Hel&&lo %% Wo$#rl@d"

# using isalnum()
print("".join(k for k in sample_str if k.isalnum()))


# using regex
op2 = re.sub("[^A-Za-z]", "", sample_str)
print(f"op2 = ", op2)


special_char_list = ["$", "@", "#", "&", "%"]

# using list comprehension
op1 = "".join([k for k in sample_str if k not in special_char_list])
print(f"op1 = ", op1)


# using lambda function
op3 = "".join(filter(lambda x: x not in special_char_list, sample_str))
print(f"op3 = ", op3)