如何从字符串列表中删除 \uXXXX？ [复制]

Question

我想删除所有以 \u 开头的单词。我相信这些是 unicode '\uXXXX'。

原始字符串：

"RT  \u2066als \u2066@WBHoekstra\u2069 zijn poot maar stijf houdt in de Italiaanse kwestie. Leest Mattheus 25, 2-13 '"

期望的输出：

"RT @WBHoekstra zijn poot maar stijf houdt in de Italiaanse kwestie. Leest Mattheus 25, 2-13 '"

我尝试像这样使用正则表达式：

re.sub('\u\w+','',item )

但我收到以下错误：

"SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 0-1: truncated \uXXXX escape"

Answer 1

你可以使用.encode('ascii', 'ignore')来做到这一点

"RT  \u2066als \u2066@WBHoekstra\u2069 zijn poot maar stijf houdt in de Italiaanse kwestie. Leest Mattheus 25, 2-13 '".encode('ascii', 'ignore')

输出

 b"RT  als @WBHoekstra zijn poot maar stijf houdt in de Italiaanse kwestie. Leest Mattheus 25, 2-13 '"