从Python中的string中剥离除字母数字字符以外的所有内容

使用Python去除string中所有非字母数字字符的最佳方法是什么?

在这个问题的PHP变体中提出的解决scheme可能会进行一些小的调整,但对我来说似乎不是“pythonic”。

为了logging,我不只是想剥离句号和逗号(和其他标点符号),而且还包括引号,括号等。

我只是因为好奇才计时了一些function。 在这些testing中,我将从stringstring.printable (内置string模块的一部分)中删除非字母数字字符。

 $ python -m timeit -s \ "import string" \ "''.join(ch for ch in string.printable if ch.isalnum())" 10000 loops, best of 3: 57.6 usec per loop $ python -m timeit -s \ "import string" \ "filter(str.isalnum, string.printable)" 10000 loops, best of 3: 37.9 usec per loop $ python -m timeit -s \ "import re, string" \ "re.sub('[\W_]', '', string.printable)" 10000 loops, best of 3: 27.5 usec per loop $ python -m timeit -s \ "import re, string" \ "re.sub('[\W_]+', '', string.printable)" 100000 loops, best of 3: 15 usec per loop $ python -m timeit -s \ "import re, string; pattern = re.compile('[\W_]+')" \ "pattern.sub('', string.printable)" 100000 loops, best of 3: 11.2 usec per loop 

正则expression式来拯救:

 import re re.sub(r'\W+', '', your_string) 

使用str.translate()方法。

假设你经常这样做:

(1)一次,创build一个包含你想要删除的所有字符的string:

 delchars = ''.join(c for c in map(chr, range(256)) if not c.isalnum()) 

(2)每当你想要一个string:

 scrunched = s.translate(None, delchars) 

安装成本可能与re.compile相媲美; 边际成本较低:

 C:\junk>\python26\python -mtimeit -s"import string;d=''.join(c for c in map(chr,range(256)) if not c.isalnum());s=string.printable" "s.translate(None,d)" 100000 loops, best of 3: 2.04 usec per loop C:\junk>\python26\python -mtimeit -s"import re,string;s=string.printable;r=re.compile(r'[\W_]+')" "r.sub('',s)" 100000 loops, best of 3: 7.34 usec per loop 

注意: 使用string.printable作为基准数据给出了模式'[\ W _] +'的不公平优势 ; 所有的非字母数字字符都在一堆…在典型的数据将有多个替代做:

 C:\junk>\python26\python -c "import string; s = string.printable; print len(s),repr(s)" 100 '0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%&\'()*+,-./:;=>?@[\\]^_`{|}~ \t\n\r\x0b\x0c' 

如果你给re.sub做更多的工作,会发生什么情况:

 C:\junk>\python26\python -mtimeit -s"d=''.join(c for c in map(chr,range(256)) if not c.isalnum());s='foo-'*25" "s.translate(None,d)" 1000000 loops, best of 3: 1.97 usec per loop C:\junk>\python26\python -mtimeit -s"import re;s='foo-'*25;r=re.compile(r'[\W_]+')" "r.sub('',s)" 10000 loops, best of 3: 26.4 usec per loop 

你可以尝试:

 print ''.join(ch for ch in some_string if ch.isalnum()) 
 >>> import re >>> string = "Kl13@£$%[};'\"" >>> pattern = re.compile('\W') >>> string = re.sub(pattern, '', string) >>> print string Kl13 

怎么样:

 def ExtractAlphanumeric(InputString): from string import ascii_letters, digits return "".join([ch for ch in InputString if ch in (ascii_letters + digits)]) 

这可以通过使用列表理解来生成InputString中的字符列表(如果它们存在于组合的ascii_lettersdigitsstring中)。 然后它将这个列表连接成一个string。

作为一个从这里的其他答案分离,我提供了一个非常简单和灵活的方式来定义一组字符,你想限制一个string的内容。 在这种情况下,我允许字母数字加上短划线和下划线。 只需添加或删除我的PERMITTED_CHARS中的字符以适合您的用例。

 PERMITTED_CHARS = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ_-" someString = "".join(c for c in someString if c in PERMITTED_CHARS)