如何在 Python 中从字符串中删除不可打印的字符？

从 Python 中的字符串中去除不可打印的字符

在 Perl 中，s/[^[:print:]]// g 正则表达式有效地从字符串中删除所有不可打印的字符。然而，在 Python 中，没有等效的 POSIX 正则表达式类，让一些人想知道如何完成相同的任务。

理解 Unicode

挑战在于处理 Unicode 字符，因为 string.printable 方法可能会无意中将它们删除。

构建自定义字符类

为了解决这个问题，我们可以使用 unicodedata 构造一个自定义字符类模块。 unicodedata.category() 函数提供对字符类别的深入了解。例如，我们可以定义一个名为 control_characters 的字符类，通过从 Unicode 字符集中过滤掉这些类别来表示不可打印的字符，例如控制字符和代理字符。

<code class="python">import unicodedata
import re

categories = {'Cc', 'Cf', 'Cs'}  # Include desired categories here
control_chars = ''.join(chr(i) for i in range(sys.maxunicode) if unicodedata.category(chr(i)) in categories)
control_char_re = re.compile('[%s]' % re.escape(control_chars))</code>

与迭代字符串。

<code class="python">def remove_control_chars(s):
    return control_char_re.sub('', s)</code>

额外自定义

对于需要过滤其他类别（例如私人使用字符）的场景，您可以扩展字符类

<code class="python">categories.add('Co')  # Add private-use characters
# Rebuild the character class and regex</code>

通过利用这种方法，您可以有效地从 Python 中的 Unicode 字符串中去除不可打印的字符，满足基本和自定义用例。

以上是如何在 Python 中从字符串中删除不可打印的字符？的详细内容。更多信息请关注PHP中文网其他相关文章！