从字符串中删除所有特殊字符，标点和空格

我需要从字符串中删除所有特殊字符，标点符号和空格，以便只有字母和数字。

这可以不用正则表达式来完成：

>>> string = "Special $#! characters   spaces 888323"
>>> ''.join(e for e in string if e.isalnum())
'Specialcharactersspaces888323'

您可以使用str.isalnum：

S.isalnum() -> bool

Return True if all characters in S are alphanumeric
and there is at least one character in S, False otherwise.

如果您坚持使用正则表达式，则其他解决方案也可以。但是请注意，如果可以在不使用正则表达式的情况下完成此操作，那么这是最好的解决方法。

这是一个正则表达式，用于匹配不是字母或数字的字符串：

[^A-Za-z0-9]+

这是执行正则表达式替换的Python命令：

re.sub('[^A-Za-z0-9]+', '', mystring)

较短的方法：

import re
cleanString = re.sub('\W+','', string )

如果要在单词和数字之间留空格，请用''代替'

看到这一点之后，我有兴趣通过找出执行时间最短的方法来扩展所提供的答案，因此我仔细检查了一些建议的答案，并timeit对照了两个示例字符串：

• string1 = 'Special $#! characters spaces 888323'
• string2 = 'how much for the maple syrup? $20.99? That s ricidulous!!!'

例子1

'.join(e for e in string if e.isalnum())

• string1 -结果：10.7061979771
• string2 -结果：7.77832597694

例子2

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

• string1 -结果：7.10785102844
• string2 -结果：4.12814903259

例子3

import re re.sub('\W+','', string)

• string1 -结果：3.11899876595
• string2 -结果：2.78014397621

以上结果是以下平均值的最低返回结果的乘积： repeat(3, 2000000)

示例3的速度可以比示例1快3倍。

Python 2. *

我认为filter(str.isalnum, string)效果很好

In [20]: filter(str.isalnum, 'string with special chars like !,#$% etcs.')
Out[20]: 'stringwithspecialcharslikeetcs'

Python 3. *

在Python3中，filter( )函数将返回一个可迭代的对象（而不是上面的字符串）。必须重新加入以从itertable中获取字符串：

''.join(filter(str.isalnum, string)) 

或通过list加入使用（不确定，但可以很快）

''.join([*filter(str.isalnum, string)])

注意：[*args]从Python> = 3.5中解压缩有效

#!/usr/bin/python
import re

strs = "how much for the maple syrup? $20.99? That's ricidulous!!!"
print strs
nstr = re.sub(r'[?|$|.|!]',r'',strs)
print nstr
nestr = re.sub(r'[^a-zA-Z0-9 ]',r'',nstr)
print nestr

您可以添加更多特殊字符，然后将其替换为“”，则表示没有任何意义，即它们将被删除。

与使用正则表达式的其他所有人不同，我将尝试排除不想要的每个字符，而不是明确枚举不需要的字符。

例如，如果我只需要'a到z'字符（大写和小写）和数字，我将排除所有其他内容：

import re
s = re.sub(r"[^a-zA-Z0-9]","",s)

这意味着“用空字符串替换每个不是数字的字符，或者用'a到z'或'A到Z'范围内的字符代替”。

实际上，如果^在正则表达式的第一位插入特殊字符，则会得到否定。

额外提示：如果您还需要将结果小写，则可以使正则表达式更快，更轻松，只要您现在找不到大写即可。

import re
s = re.sub(r"[^a-z0-9]","",s.lower())

假设您要使用正则表达式，并且想要/需要支持2to3的Unicode识别2.x代码：

>>> import re
>>> rx = re.compile(u'[\W_]+', re.UNICODE)
>>> data = u''.join(unichr(i) for i in range(256))
>>> rx.sub(u'', data)
u'0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz\xaa\xb2 [snip] \xfe\xff'
>>>

s = re.sub(r"[-()\"#/@;:<>{}`+=~|.!?,]", "", s)

最通用的方法是使用unicodedata表的“类别”，该表对每个单个字符进行分类。例如，以下代码根据其类别仅过滤可打印字符：

import unicodedata
# strip of crap characters (based on the Unicode database
# categorization:
# http://www.sql-und-xml.de/unicode-database/#kategorien

PRINTABLE = set(('Lu', 'Ll', 'Nd', 'Zs'))

def filter_non_printable(s):
    result = []
    ws_last = False
    for c in s:
        c = unicodedata.category(c) in PRINTABLE and c or u'#'
        result.append(c)
    return u''.join(result).replace(u'#', u' ')

查看上面所有相关类别的给定URL。当然，您也可以按标点符号类别进行过滤。

string。标点符号包含以下字符：

'！“＃$％＆\'（）* +，-。/ :; <=>？@ [\] ^ _`{|}〜'

您可以使用translate和maketrans函数将标点符号映射到空值（替换）

import string

'This, is. A test!'.translate(str.maketrans('', '', string.punctuation))

输出：

'This is A test'

使用翻译：

import string

def clean(instr):
    return instr.translate(None, string.punctuation + ' ')

警告：仅适用于ASCII字符串。

import re
my_string = """Strings are amongst the most popular data types in Python. We can create the strings by enclosing characters in quotes. Python treats single quotes the 

与双引号相同。“”“

# if we need to count the word python that ends with or without ',' or '.' at end

count = 0
for i in text:
    if i.endswith("."):
        text[count] = re.sub("^([a-z]+)(.)?$", r"\1", i)
    count += 1
print("The count of Python : ", text.count("python"))

import re
abc = "askhnl#$%askdjalsdk"
ddd = abc.replace("#$%","")
print (ddd)

您将看到的结果为

'askhnlaskdjalsdk

删除标点，数字和特殊字符

例子：-

码

combi['tidy_tweet'] = combi['tidy_tweet'].str.replace("[^a-zA-Z#]", " ") 

结果：-

谢谢 ：）