python去除特殊字符
去除数字,特殊字符,只保留汉字
1
2
3
4
5
6
7
8
|
import re s = '1123*#$ 中abc国' str = re.sub( '[a-zA-Z0-9' ! "#$%&\'()*+,-./:;<=>?@,。?★、…【】《》?“”‘'![\\]^_`{|}~\s]+', " ", s) # 去除不可见字符 str = re.sub( '[\001\002\003\004\005\006\007\x08\x09\x0a\x0b\x0c\x0d\x0e\x0f\x10\x11\x12\x13\x14\x15\x16\x17\x18\x19\x1a]+' , '', x) print ( str ) # 结果为:中国 |
去除特殊字符,只保留汉子,字母、数字
1
2
3
4
5
6
7
|
import re string = "123我123456abcdefgABCVDFF?/ ,。,.:;:''';'''[]{}()()《》" print (string) 123 我 123456abcdefgABCVDFF ? / ,。,.:;: ''';''' []{}()()《》 sub_str = re.sub(u "([^\u4e00-\u9fa5\u0030-\u0039\u0041-\u005a\u0061-\u007a])" ,"",string) print (sub_str) 123 我 123456abcdefgABCVDFF |
正则表达式说明
函数 | 说明 |
sub(pattern,repl,string) | 把字符串中的所有匹配表达式pattern中的地方替换成repl |
[^**] | 表示不匹配此字符集中的任何一个字符 |
\u4e00-\u9fa5 | 汉字的unicode范围 |
\u0030-\u0039 | 数字的unicode范围 |
\u0041-\u005a | 大写字母unicode范围 |
\u0061-\u007a | 小写字母unicode范围 |
\uAC00-\uD7AF | 韩文的unicode范围 |
\u3040-\u31FF | 日文的unicode范围 |