替换字符串python中的特殊字符

Posted 2023-03-11

【中文标题】替换字符串python中的特殊字符

【英文标题】：Replace special characters in a string in Python

【发布时间】：2014-07-22 15:56:50

【问题描述】：

我正在使用 urllib 从网站获取一串 html，需要将 html 文档中的每个单词放入一个列表中。

这是我到目前为止的代码。我不断收到错误消息。我也复制了下面的错误。

import urllib.request

url = input("Please enter a URL: ")

z=urllib.request.urlopen(url)
z=str(z.read())
removeSpecialChars = str.replace("!@#$%^&*()[];:,./<>?\|`~-=_+", " ")

words = removeSpecialChars.split()

print ("Words list: ", words[0:20])

这是错误。

Please enter a URL: http://simleyfootball.com
Traceback (most recent call last):
  File "C:\Users\jeremy.KLUG\My Documents\LiClipse Workspace\Python Project 2\Module2.py", line 7, in <module>
    removeSpecialChars = str.replace("!@#$%^&*()[];:,./<>?\|`~-=_+", " ")
TypeError: replace() takes at least 2 arguments (1 given)

【参考方案1】：

您可以将特殊字符替换为所需字符，如下所示，

import string
specialCharacterText = "H#y #@w @re &*)?"
inCharSet = "!@#$%^&*()[];:,./<>?\|`~-=_+\""
outCharSet = "                               " #corresponding characters in inCharSet to be replaced
splCharReplaceList = string.maketrans(inCharSet, outCharSet)
splCharFreeString = specialCharacterText.translate(splCharReplaceList)

【参考方案2】：

一种方式是使用re.sub，这是我的首选方式。

import re
my_str = "hey th~!ere"
my_new_string = re.sub('[^a-zA-Z0-9 \n\.]', '', my_str)
print my_new_string

输出：

hey there

另一种方式是使用re.escape:

import string
import re

my_str = "hey th~!ere"

chars = re.escape(string.punctuation)
print re.sub(r'['+chars+']', '',my_str)

输出：

hey there

只是一个小提示，PEP-8 在 python 中的参数样式应该是 remove_special_chars 而不是 removeSpecialChars

另外，如果您想保留空格，只需将 [^a-zA-Z0-9 \n\.] 更改为 [^a-zA-Z0-9\n\.]

【讨论】：

+1 显然是它处理每种情况的最快和最好的答案，如果给定奇怪的 utf8 字符，翻译将不会做任何事情，带有负正则表达式 [^...] 的 re.sub 更安全。跨度>

如何使用re.sub替换字符`？

非常有帮助的答案，但在最后一行你不是说使用 [^a-zA-Z0-9\n\.] 会删除空格吗？

【参考方案3】：

str.replace 对于您想要做的事情来说是错误的功能（除了它被错误地使用）。您想用空格替换集合中的任何字符，而不是用单个空格替换整个集合（后者是替换的作用）。你可以像这样使用翻译：

removeSpecialChars = z.translate (ord(c): " " for c in "!@#$%^&*()[];:,./<>?\|`~-=_+")

这将创建一个映射，将特殊字符列表中的每个字符映射到一个空格，然后在字符串上调用 translate()，用空格替换特殊字符集中的每个字符。

【讨论】：

你确定正则表达式会比翻译更好吗？ translate 可能在内部使用正则表达式？

ord 使用做得很好！否则 str.translate 对特殊字符什么都不做。

谢谢！这个答案拯救了我的一天。

请注意，这将替换一组字符中的任何内容，而 this answer 替换任何不在正则表达式匹配中的内容。如果目标是使字符串对于给定上下文“安全”，则后者可能是一种更安全的方法。

【参考方案4】：

replace 对特定的字符串进行操作，所以你需要这样调用它

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

但这可能不是您需要的，因为这将查找包含所有字符的单个字符串以相同的顺序。正如 Danny Michaud 指出的那样，您可以使用正则表达式来做到这一点。

附带说明一下，您可能需要查找BeautifulSoup，这是一个用于解析混乱的 HTML 格式文本的库，就像您通常从网页浏览中获得的那样。

【讨论】：

我只需要使用 python 中包含的库。是否有正则表达式可以完成我想做的事情？

这取决于您是否要处理英文文本、包含外来词（带有重音符号、变音符号等）、数字、货币符号等的文本。没有通用的正则表达式来“清除” up stuff"，你需要具体说明你需要什么。

【参考方案5】：

您需要在z 而不是str 上调用replace，因为您要替换位于字符串变量z 中的字符

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

但这不起作用，因为 replace 查找子字符串，您很可能需要将正则表达式模块 re 与 sub 函数一起使用：

import re
removeSpecialChars = re.sub("[!@#$%^&*()[];:,./<>?\|`~-=_+]", " ", z)

不要忘记[]，它表示这是一组要替换的字符。