如何在Python中从字符串中删除进纸符

Question

我有一个包含以下内容的文本文件：

'\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c'

如你所见，这全是换页符，我想把它们删除。

我尝试了各种解决方案，但不知什么原因，它们似乎都不起作用。例如，我试图删除左侧的'\x0c，右侧的\x0c'和所有其他的\x0c，但输出结果仍然相同。我使用的代码:

import re
import string

with open('AF-40-A-00020539.txt', "r", encoding="ascii") as input_file:
    input_content = input_file.read()
    print(
        input_content.lstrip('\'\x0c')\
            .rstrip('\x0c\'')\
            .strip('\x0c')
            .replace('\x0c', '')
    )

执行后，我得到了这个输出：\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c'，与我的预期不符。

这是什么原因？如何去除换页符？

更新，感谢joao的回答： \xHH，其中HH是两个十六进制数字，是一种被认可的转义序列，用于使用相应的十六进制值编写ASCII字符，就像\n表示换行一样。

.replace('\x0c', '')无法正常工作，因为在此字符串字面值中，\xOc被转义了，而在文本文件中，它只是作为纯文本复制。

- Brent De Hauwere

Answer 1

这里存在歧义：当你说文件包含\x0c时，它是文件中的一个单独字符，并显示转义序列表示十六进制值0x0c？还是真的是一个由4个字符组成的字符串？你应该尝试用二进制编辑器或len()函数来确定这一点。

我怀疑是第二种情况，因为你说你得到了\x0c作为输出。如果是第一种情况，你会看到^L，或者是一个空行，或者是一些表示不可打印字符的胡言乱语。

如果它是一个单独的字符，那么

s = s.replace('\x0c', '')

这将删除它们。如果它们确实是4个字符，那么

s = s.replace('\\x0c', '')

应该可以工作。请注意额外的反斜杠 \ ，将转义序列转换为4个字符的字符串。

- joao

Answer 2

我不是100%确定，但尝试在.replace中使用以下内容：

line.replace('\x0C', '')

让我知道 :)

- Arnav_8

Answer 3

你可以使用 re.sub()：

import re
string = "Hello, '\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c\x0c'World!"
print(re.sub(r"'(\x0c)+'", '', string))

输出：

Hello, World!

- GooDeeJAY