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()"原始字符串中的字符不会被替换。当我使用"string.replace()"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。有人能帮你检查一下吗?
技术细节:
- Python版本:3.6。
- 操作系统:Windows 10
- 要安装的库:openpyxl
- utf - 8编码
- 表情符号Unicode
这是我最初的内容:
string = re.sub(u'([u2000-u206f])', " ", string)
string = re.sub(u'(u00a0)', " ", string)
string = string.replace("‰", " ") #u0089
string = string.replace("¤", " ") #u00a4
根据"chepner"的建议,我将逻辑改为如下:
replacementDict = {}
replacementDict.update(dict.fromkeys(map(chr, range(0x2000, 0x206f)), " "))
replacementDict['u00a0'] = " "
replacementDict['u0089'] = " "
replacementDict['u00a4'] = " "
string = string.translate(replacementDict)
但是我仍然不能从字符串中删除非法字符。
您可以在这里下载脚本和示例测试:
重现问题的步骤:
- 按原样运行脚本(不需要向脚本发送参数),您将注意到不匹配的行是带有非法字符的行。
我会将所有这些替换为对str.translate
的单个调用,因为您只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str.translate
时重用),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
从一个字符到字符的映射构造一个适当的转换表。