如何从字符串中删除斜杠、字母和数字？

Question

我试图获得一个漂亮而干净的字符串表示。 我想要的版本是 ['课程编号：CLASSIC 10A | 课程名称：希腊文明概论1 | 课程单元：4']

但是，当前输出是['课程编号：CLASSIC\\xa010A | 课程名称：希腊文明概论1 | 课程单元：4']。

某些东西 (\\xa) 挡住了第一个元素。 我将附上下面的代码部分。 预先感谢您帮助我。

all_tds = [get_tds(scrollable) for scrollable in scrollables]
def num_name_unit(list, index):
    all_rows = []
    num = list[index][0].get_text(strip=True)
    name = str.isalnum, list[index][1].get_text(strip=True)
    unit = list[index][2].get_text(strip=True)
    all_rows += [('Course Number: {0} | Course Name: {1} | Course Unit: {2}'.format(num, name, unit)]
    return all_rows
c = num_name_unit(all_tds[0], all_tds.index(all_tds[0]))
print(c)

Answer 1

正如@melpomene 所评论的，字符串 '\\xa0' 是一个字符 - 一个不间断的空格......你真正需要对这个字符串做的是通过使用regex将它重新格式化为所谓的“原始文本”：

import re
re.sub('[^A-Za-z0-9-|:]+', ' ', str)

这通常是我删除特殊字符/格式的首选方法 - 但它是如何工作的......如果我们查看第一组引号'[^A-Za-z0-9-|:]+'我们会看到我们声明的第一件事是AZ ，它仅表示从 A 到 Z 全部为大写字母。 然后我们从az all 得到小写。 之后我们有0-9显示从 0 到 9 的所有值，最后我们有|:这意味着任何冒号或管道......让我们用一个简单的脚本测试它：

import re
vals = 'ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789|:'
print(vals == re.sub('[^A-Za-z0-9-|:]+', ' ', vals))

我建议您自己运行此代码进行尝试，但您得到的答案是True 。

将其合并到您的脚本中将非常简单：

import re
all_tds = [get_tds(scrollable) for scrollable in scrollables]
def num_name_unit(list, index):
    all_rows = []
    num = list[index][0].get_text(strip=True)
    name = str.isalnum, list[index][1].get_text(strip=True)
    unit = list[index][2].get_text(strip=True)
    all_rows += [('Course Number: {0} | Course Name: {1} | Course Unit: {2}'.format(num, name, unit)]
    return all_rows
c = num_name_unit(all_tds[0], all_tds.index(all_tds[0]))
print(re.sub('[^A-Za-z0-9-|:]+', ' ', c))

如果您遇到希望包含在字符串中的任何其他值，只需将它们添加到^A-Za-z0-9-|: 。 例如，如果您还希望保留下划线，则只需使用'[^A-Za-z0-9-|:_]+'希望这会有所帮助。 要阅读更多信息，请转到 python3 文档的正则表达式 how to 部分。