从字符串中删除特殊字符，例如笑脸，但保留德语特殊字符答案

【问题标题】：Remove special characters from string such as smileys but keep german special charactes从字符串中删除特殊字符，例如笑脸，但保留德语特殊字符
【发布时间】：2018-06-24 12:35:54
【问题描述】：

我知道如何删除字符串中不需要的字符，例如笑脸等。但是，像德语这样的一些语言也有特殊字符。

这是我当前的代码：

import unicodedata
string = "süß ????????????"
uni_str = str(unicodedata.normalize('NFKD', \
           string).encode('ascii','ignore'))

是否有可能保留德语特殊字符但删除其他不需要的字符，例如像????????????的笑脸？这样uni_str 将在末尾保留字母“süß”？

目前，笑脸将被删除，但德语角色要么被转换为其他人声，要么也被删除。

示例中的笑脸只是示例，可以是任何不受欢迎的角色。

我正在使用 Python 3.6 和 Windows 10

【问题讨论】：

标签： python python-3.x unicode ascii python-module-unicodedata

【解决方案1】：

你可以做一些简单的事情（只需添加德语字母）：

def filter_characters(self, value):
    allowed_characters = " 0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"
    return ''.join(c for c in value if c in allowed_characters )

编辑：

另一种可能性是在字符串模块的帮助下创建 allowed_characters：

import string
allowed_characters = string.printable + 'öäüß'

【讨论】：

这似乎是一种解决方法，但这也意味着包含用 ascii 编码的每个特殊字符，例如 "!"§$%&/()=?,;.:-_" 等. ? 是否有可能从一种字符集中获取允许的字符，然后将其扩展到德语字符集中？
使用set 可能会加快速度。
+1 使用集合而不是字符串/列表来保持 O(1) 次查找（即使允许的字符串很短）
是的，我同意一组会快很多。

【解决方案2】：

我不知道你的世界中哪些字符是特殊的或不需要的，但也许删除所有具有“符号，其他”属性的字符是有用的：

import unicodedata as ud

def remove_symbols(text):
    return ''.join(c for c in text if ud.category(c) != 'So')

这将保留所有字母、数字、标点符号和空白字符，因此以下示例不会丢失花哨的引号或“é”：

>>> remove_symbols('Was für ein «süßes» Café! ?')
'Was für ein «süßes» Café! '

查看Wikipedia 上的可用类别或在 unicode.org 上搜索。

【讨论】：