Python过滤字符串文本以删除图片字符答案

【问题标题】：Python Filtering String Text to Remove Picture CharactersPython过滤字符串文本以删除图片字符
【发布时间】：2020-06-20 07:17:13
【问题描述】：

在 Python 中过滤文本的最佳方法是什么，以便我只包含数字、大写/小写字母、所有标点符号和换行符、制表符等字符。

比如我可能有下面的文字，想去掉图片，但是链接、标点、字母、数字都可以：

????第 19 集现已上映！???? ????Pasta Go Go Food Review????车内烛光晚餐！ PASTA LA VISTA 点击链接 B…

我查看了正则表达式，但不确定它是如何工作的。我正在尝试重新匹配。

看起来翻译表可能是要走的路，但它们似乎不能通过排除来工作。我想定义我想要的字符集并删除其他任何内容。

【问题讨论】：

你可以像stackoverflow.com/a/62401725/642070一样使用unicodedata模块来做。

标签： python python-3.x string

【解决方案1】：

unicodedata 模块将为您提供此处列出的 unicode 类别：https://unicodebook.readthedocs.io/unicode.html#categories。表情符号是“所以”。您可能还想过滤其他类别，但至少要过滤

>>> import unicodedata
>>> text = "?Episode 19 is OUT NOW!? ?Pasta Go Go Food Review? Candle Light Dinner in the Car! PASTA LA VISTA Click Link B…"
>>> filtered = "".join(c for c in text if "So" not in unicodedata.category(c))
>>> filtered
'Episode 19 is OUT NOW! Pasta Go Go Food Review Candle Light Dinner in the Car! PASTA LA VISTA Click Link B…'

【讨论】：

【解决方案2】：

快速而肮脏的解决方案是将字符串转换为 ascii，忽略所有非 ascii 字符

unicode_string.encode('ascii', 'ignore')

这仅适用于英语...

【讨论】：