我在 python 中有一个字符串列表。现在我想从列表中删除所有特殊 utf-8 字符的字符串。我只想要只包含从“U+0021”到“U+00FF”的字符的字符串。那么，你知道一种方法来检测一个字符串是否只包含这些特殊字符吗？
谢谢:)
编辑：我使用 Python 3
【问题讨论】：
标签： python python-3.x utf-8
>>> all_strings = ["okstring", "bađštring", "goodstring"]
>>> acceptible = set(chr(i) for i in range(0x21, 0xFF + 1))
>>> simple_strings = filter(lambda s: set(s).issubset(acceptible), all_strings)
>>> list(simple_strings)
['okstring', 'goodstring']
【讨论】：
latin1 编码对应前 256 个 utf8 字符。换一种说法，如果c 是一个unicode 字符，代码在[0-255] 中，c.encode('latin1') 的值与ord(c) 相同。
所以要测试一个字符串是否至少有一个字符超出 [0-255] 范围，只需尝试将其编码为latin1。如果没有，则编码成功，否则你会得到一个 UnicodeEncodeError:
no_special = True
try:
s.encode('latin1')
except UnicodeEncodeError:
no_special = False
顺便说一句，正如您在评论中所说，[0-255] 范围之外的 unicode 字符不是 特殊，只是它们不在 latin1 范围内。
请注意，上面还接受所有控制字符，例如 \t、\r 或 \n，因为它们是合法的 latin1 字符。它可能是也可能不是你想要的。
【讨论】：
s 是 unicode 字符串时，它对 Python2 才有意义。
“特殊 utf-8 字符”到底是什么意思？
如果你的意思是每个非ASCII字符，那么你可以试试：
s.encode('ascii', 'strict')
如果字符串不是 100% ascii，则会引发 UnicodeDecodeError
【讨论】：
你可以使用正则表达式。
import re
mylist = ['str1', 'štr2', 'str3']
regexp = re.compile(r'[^\u0021-\u00FF]')
good_strs = filter(lambda s: not regexp.search(s), mylist)
[^\u0021-\u00FF] 定义一个字符集，意思是任何一个不在\u0021 到\u00FF 范围内的字符。 '[\u0021-\u00FF]' 之前的字母r 表示原始字符串表示法，它为您节省了大量反斜杠（'\'）的转义工作。没有它，正则表达式中的每个反斜杠都必须加上另一个前缀才能转义。
regexp.search(r'[\u0021-\u00FF]',s) 将扫描s 寻找正则表达式r'[^\u0021-\u00FF]' 产生匹配的第一个位置，并返回相应的匹配对象。如果未找到匹配项，则返回 None。
filter() 将过滤掉不需要的字符串。
此答案仅对 Python 3 有效
【讨论】：
re.search。