我的 csv 文件中的文本被读取为原始字符串。它包含“it\'s”而不是它。我该如何清洁这个？

Posted 2023-02-23

【中文标题】我的 csv 文件中的文本被读取为原始字符串。它包含“it\\\'s”而不是它。我该如何清洁这个？

【英文标题】：My text from csv file is being read as raw string. It contains "it\'s" instead of it's. How do I clean this?我的 csv 文件中的文本被读取为原始字符串。它包含“it\'s”而不是它。我该如何清洁这个？

【发布时间】：2020-03-12 18:39:28

【问题描述】：

句子：

'I understood that that morning did not work out for her but I would still like to to make an appointment with her. I mean if she does great lashes and it\'s just this one little hiccup in the beginning it\'s well worth it as far as I\'m concerned.'

如何删除转义字符以清理数据？

【问题讨论】：

你的字符串是否也包含双引号？因为如果一个字符串同时包含单引号和双引号，Python 将需要在字符串的repr 中转义它们（并且它选择使用单引号）。

不，实际上它有双引号和单引号，但我将其清理为单引号。

您确定数据实际上包含反斜杠吗？根据您处理和显示数据的方式，可能是显示代码添加了反斜杠以进行显示。 minimal reproducible example 可以回答这个问题。

当我输入 list[index] 来获取句子时，我仍然看到反斜杠。我必须标记句子中的单词，所以我不想要反斜杠。

如果我们将该字符串按字面意思放入 python 变量中（例如：s='I understand...I\'m concerned.'，反斜杠将不在数据中。您可以通过获取字符串并手动计算字符。这就是为什么我们需要一个实际的minimal reproducible example 而不仅仅是您的数据的近似值。我建议您从一个非常短的示例字符串开始，例如，简单的I'm。这样它会如果你的字符串有两个或三个字节，那就很明显了。

【参考方案1】：

我想，一个简单的re.sub 可能会起作用：

测试

import re

string = '''
I understood that that morning did not work out for her but I would still like to to make an appointment with her. I mean if she does great lashes and it\'s just this one little hiccup in the beginning it\'s well worth it as far as I\'m concerned.
'''

expression = r'\\'

print(re.sub(expression, '', string))

输出

我知道那天早上对她不利，但我会 还是想约她。我的意思是，如果她这样做 很棒的睫毛，一开始只是这个小问题 就我而言，这是值得的。

【讨论】：

我其实不想打印它。因此，当我将每个句子保存为列表中的列表时，它看起来仍然没有任何变化。

【参考方案2】：

正确答案在@bryan-oakley 的评论中：没有什么可做的。

作为测试：

s = 'I understood that that morning did not work out for her but I would still like to to make an appointment with her. I mean if she does great lashes and it\'s just this one little hiccup in the beginning it\'s well worth it as far as I\'m concerned.'

assert len(s) == len(s.replace('\'', "'")) # passes
assert s == s.replace('\'', "'") # passes