使用python刪除怪異字符

Question

我有一個很大的SQL文件，其中插入了大約1百萬個插入，其中一些插入已損壞（大約6000個），其中包含我需要刪除的奇怪字符，因此我可以將其插入到我的數據庫中。

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 '）;

我只想刪除怪異的字符並保留所有正常字符

我嘗試使用以下代碼執行此操作：

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，當我打印s時，它與在行中打印的內容相同，更奇怪的是沒有任何內容寫入文件。

有關如何解決此問題的任何建議或技巧將很有用

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)

輸出；

'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';
>>>

您可以檢查字符串的元素是否使用ASCII字母，然后創建一個不包含非ASCII字母的新字符串。

另外，它取決於您的變量類型。 如果使用列表，則不必定義新變量。 Just del mylist[x]使用。

Answer 2

您可以使用正則表達式sub（）進行簡單的字符串替換。 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