如何从字符串中删除所有非字母字符？

Question

我一直在开发一个程序，它将采用一个十六进制文件，如果文件名以“CID”开头，那么它应该删除前 104 个字符，在那之后有几个字。 我也想删除单词后的所有内容，但问题是我要隔离的部分长度不同。

我的代码目前是这样的：

y = 0
import os
files = os.listdir(".")

filenames = []
for names in files:
    if names.endswith(".uexp"):
        filenames.append(names)
        y +=1
        print(y)
print(filenames)

for x in range(1,y):
    filenamestart = (filenames[x][0:3])
    print(filenamestart)
    if filenamestart == "CID":
        openFile = open(filenames[x],'r')
        fileContents = (openFile.read())
        ItemName = (fileContents[104:])
        print(ItemName)

输入示例文件（从 HxD 中提取）：

.........................ýÿÿÿ................E.................!...1AC9816A4D34966936605BB7EFBC0841.....Sun Tan Specialist.................9.................!...9658361F4EFF6B98FF153898E58C9D52.....Outfit.................D.................!...F37BE72345271144C16FECAFE6A46F2A.....Don't get burned............................................................................................................................Áƒ*ž

我已经开始删除前 104 个字符，但我还想删除“Sun Tan Specialist”之后的字符，它们的长度会有所不同，所以我只剩下那部分。

我感谢任何人能给我的任何帮助。

Answer 1

删除字符串中非字母字符的一种方法是使用正则表达式 [ 1 ]。

>>> import re
>>> re.sub(r'[^a-z]', '', "lol123\t")
'lol'

编辑

第一个参数r'[^az]'是捕获将要删除r'[^az]'内容的模式（此处，通过将其替换为空字符串'' ）。 方括号用于表示类别（该模式将匹配该类别中的任何内容）， ^是“非”运算符，而az表示所有小型大写字母字符。 更多信息在这里：

https://docs.python.org/3/library/re.html#regular-expression-syntax

因此，例如，要保留大写字母和空格，它将是：

>>> re.sub(r'[^a-zA-Z ]', '', 'Lol !this *is* a3 -test\t12378')
'Lol this is a test'

但是，从您在问题中提供的数据来看，您需要的确切过程似乎比“摆脱非字母字符”要复杂一些。

Answer 2

您可以使用filter ：

import string
print(''.join(filter(lambda character: character in string.ascii_letters + string.digits, '(ABC), DEF!'))) # => ABCDEF

Answer 3

你在评论中提到你把绳子归结为Sun Tan SpecialistFEFFBFFECDOutfitDFBECFECAFEAFADont get burned

从本质上讲，此时您的目标是删除所有未紧跟小写字母的大写字母，因为 Upper Lower 表示短语的开头。 您可以使用 for 循环来执行此操作。

import re

h =  "Sun Tan SpecialistFEFFBFFECDOutfitDFBECFECAFEAFADont get burned"

output = ""
for i in range(0, len(h)):
    # Keep spaces
    if h[i] is " ":
        output += h[i]
    # Start of a phrase found, so separate with space and store character
    elif h[i].isupper() and h[i+1].islower():
        output += " " + h[i]
    # We want all lowercase characters
    elif h[i].islower():
        output += h[i]

# [1:] because we appended a space to the start of every word
 print output[1:]
 # If you dont care about Outfit since it is always there, remove it
 print output[1:].replace("Outfit", "")

输出：

Sun Tan 专家套装 不要被烫伤

Sun Tan 专家 不要被烫伤