从列表中的字符串中删除违规字符[重复]

Posted 2023-03-11

【中文标题】从列表中的字符串中删除违规字符[重复]

【英文标题】：Remove offending characters from strings in list [duplicate]

【发布时间】：2013-05-13 01:03:17

【问题描述】：

要解析的样本数据（unicode 字符串列表）：

[u'\n', u'1\xa0', u'Some text here.', u'\n', u'1\xa0', u'Some more text here.', 
u'\n', u'1\xa0', u'Some more text here.']

我想从这些字符串中删除\xa0。

编辑： 当前方法不起作用：

def remove_from_list(l, x):
  return [li.replace(x, '') for li in l]

remove_from_list(list, u'\xa0')

我仍然得到完全相同的输出。

【问题讨论】：

你试过了吗？

是的，我会展示我的尝试

检查这些，***.com/questions/3939361/…，tutorialspoint.com/python/string_replace.htm

这部分你不知道怎么做？如何将u'1\xa0' 变成u'10'？或者如何对列表中的每个元素做同样的事情？

no @abarnert 把它变成 u'1'

【参考方案1】：

每个版本的代码都存在不同的问题。让我们从这个开始：

newli = re.sub(x, '', li)
l[li].replace(newli)

首先，newli已经是你想要的那一行——这就是re.sub 所做的——所以你根本不需要replace。只需分配newli。

其次，l[li] 不起作用，因为li 是行的值，而不是索引。

---

在这个版本中，它是一个但更微妙的：

li = re.sub(x, '', li)

re.sub 正在返回一个新字符串，而您正在将该字符串分配给 li。但这不会影响列表中的任何内容，它只是说“li 不再引用列表中的当前行，它现在引用这个新字符串”。

---

替换列表元素的唯一方法是获取索引，以便您可以使用[] 运算符。为此，您需要使用enumerate。

所以：

def remove_from_list(l, x):
  for index, li in enumerate(l):
    l[index] = re.sub(x, '', li)
  return l

---

但实际上，你可能确实想使用str.replace——只是你想使用它而不是re.sub：

def remove_from_list(l, x):
  for index, li in enumerate(l):
    l[index] = li.replace(x, '')
  return l

那么你就不用担心如果x是正则表达式中的特殊字符会发生什么。

---

此外，在 Python 中，您几乎从不想就地修改对象并返回它。修改它并返回None，或者返回对象的新副本。所以，要么：

def remove_from_list(l, x):
  for index, li in enumerate(l):
    newli = li.replace(x, '')
    l[index] = newli

… 或：

def remove_from_list(l, x):
  new_list = []
  for li in l:
    newli = li.replace(x, '')
    new_list.append(newli)
  return new_list

您可以简单地将后者理解为列表理解，如 unutbu 的回答：

def remove_from_list(l, x):
  new_list = [li.replace(x, '') for li in l]
  return new_list

第二个更容易编写（不需要enumerate，有一个方便的快捷方式等）这一事实并非巧合——它通常是你想要的，所以 Python 让它变得简单。

---

我不知道还有什么方法可以更清楚地说明这一点，但最后一次尝试：

如果您选择返回列表的固定新副本而不是就地修改列表的版本，则不会以任何方式修改您的原始列表。如果要使用修复后的新副本，则必须使用函数的返回值。例如：

>>> def remove_from_list(l, x):
...     new_list = [li.replace(x, '') for li in l]
...     return new_list
>>> a = [u'\n', u'1\xa0']
>>> b = remove_from_list(a, u'\xa0')
>>> a
[u'\n', u'1\xa0']
>>> b
[u'\n', u'1']

---

实际代码将所有内容转换为 1 字符和 0 字符字符串列表时遇到的问题是，您实际上并没有字符串列表，而是有一个字符串repr 的字符串列表。所以，for li in l 的意思是“对于字符串l 中的每个字符li，而不是for each stringliin the listl`。

【讨论】：

由于某种原因它仍然无法正常工作。我根据你的最后一行使用return [li.replace(x, '') for li in l]，但它仍然有这些字符。

我刚刚更新了答案，以显示我根据这个答案做了什么。

这不会在原地修改l，它会返回一个新列表，其中删除了每个字符串中的这些字符。您必须打印该新列表，或将其分配给某物或其他任何东西。

我是，只是没有在我的示例中显示 - 我会更新我的问题给你看。

【参考方案2】：

如果您只对 ASCII 字符感兴趣（正如您提到的 characters，但这也恰好适用于发布的示例）：

[text.encode('ascii', 'ignore') for text in your_list]

【参考方案3】：

您可以使用list comprehension 和str.replace：

>>> items
[u'\n',
 u'1\xa0',
 u'Some text here.',
 u'\n',
 u'1\xa0',
 u'Some more text here.',
 u'\n',
 u'1\xa0',
 u'Some more text here.']
>>> [item.replace(u'\xa0', u'') for item in items]
[u'\n',
 u'1',
 u'Some text here.',
 u'\n',
 u'1',
 u'Some more text here.',
 u'\n',
 u'1',
 u'Some more text here.']

【讨论】：

@DanO'Day：什么你想保持这个版本没有的有效字符？这会保留除 \xa0 之外的所有内容，这正是您所要求的。

@DanO'Day：代码没有改变。

@Matthias 我的错，但仍然无法正常工作

“不工作”是什么意思？当你在你的 Python 解释器中运行这个确切的代码时，你会得到 unutbu 显示的不同结果？还是 unutbu 显示的结果在某些方面是错误的？