如何仅保留字母数字和空格，并忽略非ASCII字符？

Question

我有这一行代码可以删除所有非字母数字字符，除了空格

re.sub(r'\W+', '', s)

尽管如此，它仍然保留非英文字符。

例如，如果我有

re.sub(r'\W+', '', 'This is a sentence, and here are non-english 托利 苏 !!11')

我希望获得的输出为：

> 'This is a sentence and here are non-english  11'

- Filipe Aleixo

---

在你的示例输出中，您没有使用,或!，但是您有-，您确切地想要保留什么？ - ruohola

Answer 1

re.sub(r'[^A-Za-z0-9 ]+', '', s)

(编辑) 为了澄清: [] 创建字符列表。 ^ 否定列表。A-Za-z 是英文字母表， 是空格。对于任何一个或多个这些字符（也就是说，任何不是A-Z、a-z或空格的字符），替换为空字符串。

- Nir Levy

---

请注意，如果您需要任何空格，而不仅仅是普通空格，请将 替换为 \s。 - Nir Levy

如果您需要更多字符，请在列表后添加它们。如果您需要“-”（破折号），请确保它是列表中的最后一项，例如[0-9A-Za-z ,.-]。 - Nir Levy

Answer 2

这可能不是对这个具体问题的答案，但我在研究中遇到了这个线程。

我想达到与问者相同的目标，但我想包含非英语字符，如：ä、ü、ß等。

根据问者的代码，空格也将被删除。

一个简单的解决方法是：

re.sub(r'[^ \w+]', '', string)

The ^ 符号表示选择除以下内容之外的所有内容。在这种情况下，就是 \w 符号，也就是每个单词字符（包括非英文字符）和空格。

我希望这能够帮助到未来的某个人。

- Tilman Böckenförde

Answer 3

我曾经遇到过完全相同的问题，唯一的区别是我无法导入任何东西或使用正则表达式。

为了解决我的问题，我创建了一个包含我想要保留的所有值的列表：

values = list("abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789 ")

然后我创建了一个函数，循环遍历字符串中的每个项，如果它不在values列表中，就从字符串中移除(替换)它：

def remover(my_string = ""):
  for item in my_string:
    if item not in values:
      my_string = my_string.replace(item, "")
  return my_string

例如，以下代码：

print(remover("H!e£l$l%o^ W&o*r(l)d!:)"))

应输出：

'Hello World'

虽然这不是最好的方法，但鉴于情况，这是一种快速简便的方法来完成工作。

注意: 你可以通过将 if item not in values 改为 if item in values 来替换在 values 列表中的已经存在的项目。

注意: 我不能使用字符串常量，因为必须导入 string 包才能使用它们。

祝你好运。

- Malekai