使用python删除怪异字符

Question

我有一个很大的SQL文件，其中插入了大约1百万个插入，其中一些插入已损坏（大约6000个），其中包含我需要删除的奇怪字符，因此我可以将其插入到我的数据库中。

例如：INSERT INTO BX-Books VALUES（'2268032019'，'Petite histoire de ladÃ？é©sinformation'，'Vladimir Volkoff'，1999，'Roches du Rocher'，' http: //images.amazon.com /images/P/2268032019.01.THUMBZZZ.jpg '' http://images.amazon.com/images/P/2268032019.01.MZZZZZZZ.jpg '' http://images.amazon.com/images/P/2268032019.01 .LZZZZZZZ.jpg '）;

我只想删除怪异的字符并保留所有正常字符

我尝试使用以下代码执行此操作：

import fileinput
import string

fileOld = open('text1.txt', 'r+')
file = open("newfile.txt", "w")

for line in fileOld: #in fileinput.input(['C:\Users\Vashista\Desktop\BX-SQL-Dump\test1.txt']):
    print(line)
    s = line
    printable = set(string.printable)
    filter(lambda x: x in printable, s)
    print(s)
    file.write(s)

但它似乎不起作用，当我打印s时，它与在行中打印的内容相同，更奇怪的是没有任何内容写入文件。

有关如何解决此问题的任何建议或技巧将很有用

Answer 1

    import string

strg = "'2268032019', Petite histoire de la d�©sinformation','Vladimir Volkoff',1999,'Editions du Rocher','http://images.amazon.com/images/P/2268032019.01.THUMBZZZ.jpg','http://images.amazon.com/images/P/2268032019.01.MZZZZZZZ.jpg','http://images.amazon.com/images/P/2268032019.01.LZZZZZZZ.jpg');"
newstrg = ""
acc = """ '",{}[].`;:  """
for x in strg:
    if x in string.ascii_letters or x in string.digits or x in acc:
        newstrg += x
print (newstrg)

输出；

'2268032019', Petite histoire de la dsinformation','Vladimir Volkoff',1999,'Editions du Rocher','http:images.amazon.comimagesP2268032019.01.THUMBZZZ.jpg','http:images.amazon.comimagesP2268032019.01.MZZZZZZZ.jpg','http:images.amazon.comimagesP2268032019.01.LZZZZZZZ.jpg';
>>>

您可以检查字符串的元素是否使用ASCII字母，然后创建一个不包含非ASCII字母的新字符串。

另外，它取决于您的变量类型。 如果使用列表，则不必定义新变量。 Just del mylist[x]使用。

Answer 2

您可以使用正则表达式sub（）进行简单的字符串替换。 https://docs.python.org/2/library/re.html#re.sub

# -*- coding: utf-8 -*-

import re

dirty_string = u'©sinformation'
# in first param, put a regex to screen for, in this case I negated the desired characters.
clean_string = re.sub(r'[^a-zA-Z0-9./]', r'', dirty_string)

print clean_string
# Outputs
>>> sinformation