如何使用Python删除非ASCII字符但保留句点和空格？

我正在使用.txt文件。我希望文件中的文本字符串不包含非ASCII字符。但是，我想留空格和句点。目前，我也正在剥离它们。这是代码：

def onlyascii(char):
    if ord(char) < 48 or ord(char) > 127: return ''
    else: return char

def get_my_string(file_path):
    f=open(file_path,'r')
    data=f.read()
    f.close()
    filtered_data=filter(onlyascii, data)
    filtered_data = filtered_data.lower()
    return filtered_data

我应该如何修改onlyascii（）以保留空格和句点？我想这并不太复杂，但我无法弄清楚。

您可以使用string.printable过滤字符串中所有不可打印的字符，如下所示：

>>> s = "some\x00string. with\x15 funny characters"
>>> import string
>>> printable = set(string.printable)
>>> filter(lambda x: x in printable, s)
'somestring. with funny characters'

我机器上的string.printable包含：

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ
!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ \t\n\r\x0b\x0c

编辑：在Python 3上，筛选器将返回可迭代。返回字符串的正确方法是：

''.join(filter(lambda x: x in printable, s))

更改为其他编解码器的简单方法是使用encode（）或decode（）。在您的情况下，您想转换为ASCII并忽略所有不支持的符号。例如，瑞典字母å不是ASCII字符：

    >>>s = u'Good bye in Swedish is Hej d\xe5'
    >>>s = s.encode('ascii',errors='ignore')
    >>>print s
    Good bye in Swedish is Hej d

编辑：

Python3：str->字节-> str

>>>"Hej då".encode("ascii", errors="ignore").decode()
'hej d'

Python2：unicode-> str-> unicode

>>> u"hej då".encode("ascii", errors="ignore").decode()
u'hej d'

Python2：str-> unicode-> str（以相反的顺序解码和编码）

>>> "hej d\xe5".decode("ascii", errors="ignore").encode()
'hej d'

根据@artfulrobot，这应该比filter和lambda更快：

re.sub(r'[^\x00-\x7f]',r'', your-non-ascii-string) 

在此处查看更多示例 http://stackoverflow.com/questions/20078816/replace-non-ascii-characters-with-a-single-space/20079244#20079244

您的问题不明确；前两个句子加在一起表示您认为空格和“句点”是非ASCII字符。这是不正确的。等于ord（char）<= 127的所有字符都是ASCII字符。例如，您的函数不包括这些字符！“＃$％＆\'（）* +，-。/，但包括其他几个字符，例如[] {}。

请退后一步，三思而后行，然后编辑您的问题以告诉我们您要做什么，而无需提及ASCII单词，以及为什么您认为ord（char）> = 128这样的chars是可忽略的。另外：哪个版本的Python？输入数据的编码是什么？

请注意，您的代码将整个输入文件读取为单个字符串，并且您对另一个答案的注释（“最佳解决方案”）意味着您无需关心数据中的换行符。如果您的文件包含这样的两行：

this is line 1
this is line 2

结果将是'this is line 1this is line 2'……您真正想要的是什么？

更好的解决方案包括：

1. 过滤器功能比一个更好的名字 onlyascii

2. 认识到如果要保留参数，则过滤器功能仅需要返回真实值：

   def filter_func(char):
       return char == '\n' or 32 <= ord(char) <= 126
   # and later:
   filtered_data = filter(filter_func, data).lower()

您可以使用以下代码删除非英语字母：

import re
str = "123456790 ABC#%? .(朱惠英)"
result = re.sub(r'[^\x00-\x7f]',r'', str)
print(result)

这将返回

123456790 ABC＃％？。（）

如果您需要可打印的ASCII字符，则可能应将代码更正为：

if ord(char) < 32 or ord(char) > 126: return ''

等同于string.printable（@jterrace的答案），除了没有返回和制表符（'\ t'，'\ n'，'\ x0b'，'\ x0c'和'\ r'），但不对应您问题的范围

我强烈推荐使用Fluent Python（Ramalho）。列出受第二章启发的单线班级理解：

onlyascii = ''.join([s for s in data if ord(s) < 127])
onlymatch = ''.join([s for s in data if s in
              'ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz'])