如何從字符串中刪除所有非字母字符？

Question

我一直在開發一個程序，它將采用一個十六進制文件，如果文件名以“CID”開頭，那么它應該刪除前 104 個字符，在那之后有幾個字。 我也想刪除單詞后的所有內容，但問題是我要隔離的部分長度不同。

我的代碼目前是這樣的：

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)

輸入示例文件（從 HxD 中提取）：

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

我已經開始刪除前 104 個字符，但我還想刪除“Sun Tan Specialist”之后的字符，它們的長度會有所不同，所以我只剩下那部分。

我感謝任何人能給我的任何幫助。

Answer 1

刪除字符串中非字母字符的一種方法是使用正則表達式 [ 1 ]。

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

編輯

第一個參數r'[^az]'是捕獲將要刪除r'[^az]'內容的模式（此處，通過將其替換為空字符串'' ）。 方括號用於表示類別（該模式將匹配該類別中的任何內容）， ^是“非”運算符，而az表示所有小型大寫字母字符。 更多信息在這里：

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

因此，例如，要保留大寫字母和空格，它將是：

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

但是，從您在問題中提供的數據來看，您需要的確切過程似乎比“擺脫非字母字符”要復雜一些。

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

你在評論中提到你把繩子歸結為Sun Tan SpecialistFEFFBFFECDOutfitDFBECFECAFEAFADont get burned

從本質上講，此時您的目標是刪除所有未緊跟小寫字母的大寫字母，因為 Upper Lower 表示短語的開頭。 您可以使用 for 循環來執行此操作。

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", "")

輸出：

Sun Tan 專家套裝 不要被燙傷

Sun Tan 專家 不要被燙傷