这是我第一次在 Stack 上发帖。如果有人可以帮助我，我将不胜感激。
我正在尝试从包含以下内容的文本文件中删除 Unicode 字符（在我的情况下为 \x3a）：
10\x3a00\x3a00
最终的输出应该是：
100000
基本上，我们被指示删除\xXX 的所有痕迹，其中X 可以是以下任何一种：0123456789ABCDEF。我尝试使用如下正则表达式删除任何\xXX。
Re.sub(‘\\\x[a-fA-F0-9]{2}’,””, a)
其中“a”是文本文件的一行。
当我尝试这样做时，我收到一条错误消息“invalid \x escape”。
我已经为此苦苦挣扎了好几个小时。我的正则表达式有什么问题？
【问题讨论】：
标签： python-2.7
字符"\x3a" 不是多字节Unicode 字符。它是 ASCII 字符 ":"。一旦您指定了字符串"\x3a"，它就会在内部存储为字符":"。 Python 没有看到任何 "\" 动作发生。因此，您不能将 "\x3a" 剥离为多字节 Unicode，因为 Python 只能看到单字节 ASCII 字符 ":"。
$ python
>>> '\x3a' == ':'
True
>>> "10\x3a00\x3a00" == "10:00:00"
True
查看UTF-8 上的维基百科文章的描述部分。看到U+0000-U+007F 范围内的字符被编码为单个 ASCII 字符。
如果要去除非 ASCII 字符，请执行以下操作：
>>> print u'R\xe9n\xe9'
Réné
>>> ''.join([x for x in u'R\xe9n\xe9' if ord(x) < 127])
u'Rn'
>>> ''.join([x for x in 'Réné' if ord(x) < 127])
'Rn'
如果您想保留欧洲字符但丢弃具有更高代码点的 Unicode 字符，则将ord(x) < 127 中的127 更改为更高的值。
replace 3 byte unicode 的帖子有另一种方法。您还可以使用以下方法去除代码点范围：
>>> str = u'[\uE000-\uFFFF]'
>>> len(str)
5
>>> import re
>>> pattern = re.compile(u'[\uE000-\uFFFF]', re.UNICODE)
>>> pattern.sub('?', u'ab\uFFFDcd')
u'ab?cd'
请注意，使用\u 可能比使用\x 更容易指定字符。
另一方面，您可以将字符串 "\\x3a" 去掉。当然，这个字符串实际上并不是一个多字节的 Unicode 字符，而是 4 个 ASCII 字符。
$ python
>>> print '\\x3a'
\x3a
>>> '\\x3a' == ':'
False
>>> '\\x3a' == '\\' + 'x3a'
True
>>> (len('\x3a'), len('\\x3a'))
(1, 4)
你也可以去掉ASCII字符":"：
>>> "10:00:00".replace(":", "")
'100000'
>>> "10\x3a00\x3a00".replace(":", "")
'100000'
>>> "10\x3a00\x3a00".replace("\x3a", "")
'100000'
【讨论】：
试试这个
import re
tagRe = re.compile(r'\\x.*?(2)')
normalText = tagRe.sub('', myText)
用你的字符串改变 myText
【讨论】：