python：从字符串中删除杂散字节答案

【问题标题】：python: remove stray bytes from stringpython：从字符串中删除杂散字节
【发布时间】：2019-05-10 11:06:21
【问题描述】：

我有一个从网上抓取的字符串，如下所示：

"trackingId":"f©9\u0004+L\u001A&\u0013i+T"},{"pendingInvitation":false

如何从字符串中删除杂散字节 <0x85>、<0x9b>、<0x91> 和 <0x87>？

【问题讨论】：

您可以对所有不需要的字节 (unwanted = (b'<0x85>', ...)) 使用“黑名单”，并使用生成器表达式进行过滤："".join(b for bs in bytestring if b not in unwanted)
这就是字符串'<0x85>'吗？如果我查看您问题的来源，我会看到很多有趣的角色。请包含实际字符串作为代码（例如repr(your_string) 的输出），而不是引用文本。此外，这看起来不太可能是跟踪 ID 字符串，除非它是二进制的并且您搞砸了编码。

标签： python

【解决方案1】：

你可以使用regex:

import re

s = '"trackingId":"f<0x85>©9\u0004+L<0x9b><0x91>\u001A<0x87>&\u0013i+T"},{"pendingInvitation":false'
print(s)
print(re.sub(r'<0x\w{2}>', '',s))

带输出：

"trackingId":"f<0x85>©9+L<0x9b><0x91><0x87>&i+T"},{"pendingInvitation":false
"trackingId":"f©9+L&i+T"},{"pendingInvitation":false

我搜索了模式<0x__>，其中__ 是长度为2 的任何字符或数字。

【讨论】：

是的，但字节实际上不是字符串
我以为你的实际字符串中有<0x9b> 和类似的东西。您可以过滤掉不适合编码的字节。比如stackoverflow.com/questions/26541968/…，但如果不是这样，我不确定我是否理解你的问题。