从数组 Python 中删除特定的 unicode 字符答案

【问题标题】：Remove an specific unicode character from an array Python从数组 Python 中删除特定的 unicode 字符
【发布时间】：2021-09-06 19:46:09
【问题描述】：

我有一些这样的数组：

['دوره', 'ندارد', '\uf0d6', 'دارد']

我想从中删除特定的 Unicode 字符，例如 \uf0d6。我试过这个：

  for item in tagArray[0]:
    if item.startswith('\u'):
      tagArray[0] = tagArray[0].remove(item)

但是当我运行它时，我收到了这个错误：

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

如何解决这个问题？

编辑：ASCII 字符的编码/解码或

【问题讨论】：

这能回答你的问题吗？ Replace non-ASCII characters with a single space
这是因为 python 期望在 \u 之后有 4 位数字。相反，请尝试通过 ASCII 范围 (> 128) 之外的范围查找 unicode 字符。
@sahasrara62 这个方法不起作用，因为波斯字符不是 ASCII，所以它会全部删除
@Frontear 这个方法不起作用，因为波斯字符不是 ASCII，所以它会全部删除
'\uXXXX' 不是由许多字符组成的字符串：它没有 ` nor u. It is just an escape sequence meaning: *this really mean the character/code point at XXXX (in Unicode Database)*. When Python execute the code, it just see one character. Note: it is much like other escape sequences, like \n`（通常用于无法打印和/或难以键入，或者仅仅因为特定的需要代码点）。

标签： python unicode farsi

【解决方案1】：

你可以试试下面的代码sn-p。希望它对你有用。

代码：

import re

def remove_unicode(str):
    return re.sub(r'[^\w]+', '', str, flags=re.U)

str_list = ['دوره', 'ندارد', '\uf0d6', 'دارد']
res_list = []

for str in str_list:
    res_str = remove_unicode(str)
    if res_str:
        res_list.append(res_str)

print(res_list)

输出：

['دوره', 'ندارد', 'دارد']

【讨论】：

如果 unicode 字符是硬编码的，而不是\u，这会起作用吗？
不能保证，但希望它会起作用。如果它不起作用，您可以尝试让我知道
这个答案缺乏解释，所以不是那么有用。我们喜欢理解问题（所以我们解决的不仅仅是一个问题，而是整个问题类别）。