从字符串中删除特定的控制字符(\n \r \t)

Question

我有很多包含控制字符，如 \n、\t 和 \r 的文本。我需要用一个简单的空格--> " " 来替换它们。最快的方法是什么？谢谢。

- Hossein

---

显然，正如Python之禅所建议的那样，只有一种方法可以做到这一点;-) - gruszczy

当字符串有多个相邻的这样的字符时，例如 foo\r\nbar，您是想用两个空格替换 \r\n 还是只用一个？ - John Machin

我想将它替换为1。 - Hossein

请考虑去除前导和尾随空格。然后请编辑您的问题，以便明确指定您想要什么。 - John Machin

如果你想同时去除字符串前后的空格，请查看这个答案。 - Sven Marnach

Answer 1

我认为最快的方法是使用 str.translate()：

import string
s = "a\nb\rc\td"
print s.translate(string.maketrans("\n\t\r", "   "))

打印

a b c d

编辑：由于这又变成了一场关于性能的讨论，这里有一些数字。对于长字符串，translate()比使用正则表达式要快得多：

s = "a\nb\rc\td " * 1250000

regex = re.compile(r'[\n\r\t]')
%timeit t = regex.sub(" ", s)
# 1 loops, best of 3: 1.19 s per loop

table = string.maketrans("\n\t\r", "   ")
%timeit s.translate(table)
# 10 loops, best of 3: 29.3 ms per loop

这大约是40倍的因素。

- Sven Marnach

---

需要注意的是，在Python3中，string.translate和string.makestrans不可用。使用基于re的解决方案似乎更好。 - Senthil Kumaran

@Ignacio: 导入字符串；hasattr（string，'translate'）; hasattr（string，'maketrans'）如果您执行hasattr（str，'translate'）和hasattr（str，'maketrans'），则为False。字符串模块只是一组字符串常量。此外，根据定义和正确使用maketrans的方法应该是bytes.maketrans。谢谢！ - Senthil Kumaran

Answer 2

您可以尝试使用正则表达式：

import re
regex = re.compile(r'[\n\r\t]')
regex.sub(' ', my_str)

- Michal Chruszcz

---

我已经比较了实际性能，看起来使用正则表达式与使用字符串模块的速度一样快。 - Michal Chruszcz

python2.6 timeit.py -s "import string" -s "s = 'a\nb\rc\td'" -s "s.translate(string.maketrans('\n\t\r', ' '))" 10000000 次循环，3 次中的最佳结果：每次循环耗时 0.0235 微秒 - Michal Chruszcz

python2.6 timeit.py -s "import re" -s "regex = re.compile(r'[\n\r\t]')" -s "regex.sub(' ', 'a\nb\rc\td')" 每秒循环10000000次，3次中最佳时间为0.0232微秒 - Michal Chruszcz

@Michal - 你是在比较 regex.sub(...) 和 s.translate(string.maketrans(...)) 还是仅仅和 s.translate(preparedTrans)？ - eumiro

@Michal：尝试在一个有7个字符的字符串上这样做是完全没有意义的。请参见我回答中的编辑。 - Sven Marnach

Answer 3

>>> re.sub(r'[\t\n\r]', ' ', '1\n2\r3\t4')
'1 2 3 4'

- Ignacio Vazquez-Abrams

Answer 4

如果您想规范化空格（将一个或多个空格字符的运行替换为单个空格，并剥离前导和尾随空格），可以使用字符串方法来实现：

>>> text = '   foo\tbar\r\nFred  Nurke\t Joe Smith\n\n'
>>> ' '.join(text.split())
'foo bar Fred Nurke Joe Smith'

- John Machin

Answer 5

使用正则表达式

re.sub(r'\s+', ' ', '1\n2\r3\t4')

不使用正则表达式

>>> ' '.join('1\n\n2\r3\t4'.split())
'1 2 3 4'
>>>

- kurumi

Answer 6

my_string是你想要删除特定控制字符的字符串。 由于Python中的字符串是不可变的，在替换操作之后，你需要将其赋给另一个字符串或重新赋值：

my_string = re.sub(r'[\n\r\t]*', '', my_string)

- Srikanth