我需要用空格替换所有非ASCII(\ x00-\x7F)字符.我很惊讶这在Python中并不容易,除非我遗漏了一些东西.以下函数只删除所有非ASCII字符:
def remove_non_ascii_1(text):
return ''.join(i for i in text if ord(i)<128)
并且这个用字符代码点中的字节数替换非ASCII字符和空格量(即–字符被3个空格替换):
def remove_non_ascii_2(text):
return re.sub(r'[^\x00-\x7F]',' ', text)
如何用单个空格替换所有非ASCII字符？
的 在 无数 的 类似 SO 问题,无 地址 的字符 替换 为 反对 以 剥离,并进一步解决所有非ASCII字符不是一个特定的字符.
由于我在这个帖子的回答中的评论,我想知道+=运营商和运营商之间的速度差异''.join()
那两者之间的速度比较是什么？
我有一句话
sentence = <p> Reading, watching or <span class="matching">listening</span> to the media isn’t <span class="matching">matching</span><span class="matching">much</span> help either. </p>
这是我在前端正确渲染的原因
from flask import Markup
sentence = Markup(sentence)
但输出只能为一个标记(不一定是第一个)正确呈现,而其他标记不会呈现.
<p> Reading, watching or <span class="matching">listening</span> to the media isn’t <span class="matching">much</span> help either. </p>
我在这做错了什么？
我正在尝试使用BeautifulSoup解析一些来自网络的数据。到目前为止，我已经使用以下代码从表中获取了我需要的数据：
def webParsing(canvas):
url='http://www.cmu.edu/dining/hours/index.html'
try:
page= urllib.urlopen(url)
except:
print 'Error while opening html file. Please ensure that you',
print ' have a working internet connection.'
return
sourceCode=page.read()
soup=BeautifulSoup(sourceCode)
#heading=soup.html.body.div
tableData=soup.table.tbody
parseTable(canvas,tableData)
def parseTable(canvas,tableData):
canvas.data.hoursOfOperation=dict()
rowTag='tr'
colTag='td'
for row in tableData.find_all(rowTag):
row_text=[]
for item in row.find_all(colTag):
text=item.text.strip()
row_text.append(text)
(locations,hoursOpen)=(row_text[0],row_text[1])
locations=locations.split(',')
for location in locations:
canvas.data.hoursOfOperation[location]=hoursOpen
print canvas.data.hoursOfOperation
如您所见，第一列中的“项目”通过字典映射到第二列中的“项目”。数据几乎完全是我在打印时想要的样子，但是在python中，这些字符串中有很多格式，例如'\ n'或'\ xe9'或'\ n \ xao'。有什么办法可以删除所有格式？换句话说，删除所有换行符，表示特定编码的任何内容，表示带重音符号的任何内容，并仅获取字符串文字？我不需要最有效或最安全的方法，我是一名初学者，所以最好能采用最简单的方法！谢谢！
我有很多很多.txt有一些不需要的字符的文件â和点缀无处不有使用正则表达式来删除URL和之后的空白.我需要从所有文件中删除所有这些.
这些â不存在清洗文件之前,它们被产生作为清洁的结果.
我发现了一个适用于我的文本的正则表达式,并且正在删除URL.首先,我的清洁过程(注释掉的线条是我尝试的其他东西):
clean_file <- sapply(curr_file, function(x) {
gsub("&", "&", x) %>%
gsub("http\\S+\\s*", "", .) %>%
gsub("[^[:alpha:][:space:]&']", "", .) %>%
#gsub("[^[:alnum:][:space:]\\'-]", "", .) %>%
stripWhitespace() %>%
gsub("^ ", "", .) %>%
gsub(" $", "", .)
#gsub("â", "", .)
})
示例输入文本(每行是一个字符串):
Gluskin’s Rosenberg: Don’t Bet on a Bear Market for Treasurys - Rising Treasury yields?... http://j.mp/UVM31t #FederalReserve
Jacquiline Chabolla liked Capital Preservation In a Secular Bear Market: Large investment asset losses …