Python：去除除空格和字母数字以外的所有内容

Question

我有一个带有括号、逗号等字符的大字符串。我想去掉所有这些字符但保留空格。我应该如何做？目前我正在使用：

strippedList = re.sub(r'\W+', '', origList)

- j00niner

---

你为什么对你目前的解决方案不满意？ - unwind

啊，我只需要将“''”改为“ ”。 失败了。 谢谢，伙计。 - j00niner

Answer 1

re.sub(r'([^\s\w]|_)+', '', origList)

- Ignacio Vazquez-Abrams

---

只是提醒一下，'|_' 会减慢你的正则表达式匹配速度。（当然，如果输入很小，这并不重要。） - Alice Purcell

@Ignacio，这里的 |_ 是做什么用的？ - CKM

@chandresh：撤销在 ^\w 中的排除。 - Ignacio Vazquez-Abrams

我觉得我每周至少会想到这个答案一次。 - Arthur Camara

Answer 2

一个稍微更快的实现：

import re

pattern = re.compile('([^\s\w]|_)+')
strippedList = pattern.sub('', value)

- pata kusik

Answer 3

正则表达式版本可能会更快（特别是如果您切换到使用编译的表达式），但我喜欢这个版本以增加清晰度：

"".join([c for c in origList if c in string.letters or c in string.whitespace])

对于使用join()函数可能会有些奇怪，但我认为这是转换字符列表为字符串的Python惯用方法。

- unwind

Answer 4

展示结果中将获得哪些字符：

>>> s = ''.join(chr(i) for i in range(256)) # all possible bytes
>>> re.sub(r'[^\s\w_]+','',s) # What will remain
'\t\n\x0b\x0c\r 0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ_abcdefghijklmnopqrstuvwxyz'

文档：re.sub, 正则表达式指南：匹配字符, 正则表达式指南：重复事物

- Mark Tolonen