python - 为什么 re.sub() 在 Python 3.6 中不起作用?
问题描述
我正在做一个项目,我必须从 Excel 电子表格中读取数据。我正在使用 Python。
我注意到当我使用“re.sub()”时,原始字符串中的字符不会被替换。当我使用“string.replace()”时,原始字符串中的字符会被替换,但当我使用“re.sub()”时不会。
我想知道我是否做错了什么。有人可以请你检查一下吗?
技术细节:
- Python 版本:3.6。
- 操作系统:Windows 10
- 要安装的库:openpyxl
- UTF-8 代码
- 表情符号的 Unicode
这是我最初拥有的:
string = re.sub(u'([\u2000-\u206f])', " ", string)
string = re.sub(u'(\u00a0)', " ", string)
string = string.replace("‰", " ") #\u0089
string = string.replace("¤", " ") #\u00a4
按照“chepner”的建议,我将逻辑更改为以下内容:
replacementDict = {}
replacementDict.update(dict.fromkeys(map(chr, range(0x2000, 0x206f)), " "))
replacementDict['\u00a0'] = " "
replacementDict['\u0089'] = " "
replacementDict['\u00a4'] = " "
string = string.translate(replacementDict)
但我仍然无法从字符串中删除非法字符。
您可以在此处下载脚本和示例测试:
重现问题的步骤:
- 按原样运行脚本(无需向脚本发送参数),您会注意到不匹配的行是带有非法字符的行。
解决方案
我会用一次调用来替换所有这些str.translate
,因为您只是在进行单字符到单字符的替换。
您只需要定义一个dict
(您可以在每次调用时重复使用str.translate
)将每个字符映射到其替换。保持不变的字符不需要添加到映射中。
replacements = {}
replacements.update(dict.fromkeys(range(0x2000, 0x2070), " "))
replacements[0x1680] = ' '
# etc
string = string.translate(replacements)
您还可以使用str.maketrans
从字符到字符的映射构造适当的转换表。