只保留字母数字字符和预定义的特定字符

Question

我有一个混合编码文件，我只想保留字母数字和一些字符，例如：.(dot)、/(dash)、|(Vertical bar)、空格（不包括 \t、\n ， \F）。其他字符应替换为空格。结果内容将输出到另一个文件。

下面是我的代码：

def clean(input):
    string_list = list(input)
    for idx in range(0, len(string_list)):
        if not re.match("\w|\s|\||\.|/", string_list[idx]):
            string_list[idx] = " "
    return "".join(string_list)
file_in = "input.txt"
file_out = "output.txt" 
with open(file_in, "r") as f1:
    with open(file_out, "w") as f2:
        lines = f1.readlines()
        for line in lines:
            line_raw = clean(line)
            f2.write(line_raw)
print "Finished!"

我注意到我的输出文件仍然包含一些特殊字符，例如存在“换页”或“换行”（它们应该被删除）。 是否有可能仍然存在一些不可见的 Unicode 字符？ 我怀疑我应该以二进制模式读取文件并使用带有字节的正则表达式，如下所示： python: regular expression search pattern for binary files (half a byte) 但我还没有成功。我怎样才能达到我的目的？

edit1：我上面提到的空白应该是“真正的空白”（当我们使用空格键时产生的，而不是\t、\n、\f等）

Answer 1

因为您无法发布数据 试试这个

>>> import re
>>> test_text = 'grep -i 'blair' filename.log | more'
>>> print re.sub(r'[^|\w\.]', ' ', test_text)
'grep  i  blair  filename.log   more'