从字符串中删除所有特殊字符、标点符号和空格

下面是一个正则表达式，用于匹配不是字母或数字的字符串:

[^A-Za-z0-9]+

下面是执行正则表达式替换的Python命令:

re.sub('[^A-Za-z0-9]+', '', mystring)

这可以不使用regex完成:

>>> string = "Special $#! characters   spaces 888323"
>>> ''.join(e for e in string if e.isalnum())
'Specialcharactersspaces888323'

你可以使用str.isalnum:

S.isalnum() -> bool


Return True if all characters in S are alphanumeric
and there is at least one character in S, False otherwise.

如果坚持使用正则表达式，其他解决方案也可以。但是请注意，如果可以在不使用正则表达式的情况下完成，那么这是最好的方法。

最通用的方法是使用unicodedata表的“类别”，它对每个字符进行分类。例如，下面的代码只过滤基于类别的可打印字符:

import unicodedata
# strip of crap characters (based on the Unicode database
# categorization:
# http://www.sql-und-xml.de/unicode-database/#kategorien


PRINTABLE = set(('Lu', 'Ll', 'Nd', 'Zs'))


def filter_non_printable(s):
result = []
ws_last = False
for c in s:
c = unicodedata.category(c) in PRINTABLE and c or u'#'
result.append(c)
return u''.join(result).replace(u'#', u' ')

假设你想要使用正则表达式并且你想要/需要unicode - cognant 2。X代码是2to3-ready:

>>> import re
>>> rx = re.compile(u'[\W_]+', re.UNICODE)
>>> data = u''.join(unichr(i) for i in range(256))
>>> rx.sub(u'', data)
u'0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz\xaa\xb2 [snip] \xfe\xff'
>>>

#!/usr/bin/python
import re


strs = "how much for the maple syrup? $20.99? That's ricidulous!!!"
print strs
nstr = re.sub(r'[?|$|.|!]',r'',strs)
print nstr
nestr = re.sub(r'[^a-zA-Z0-9 ]',r'',nstr)
print nestr

你可以添加更多的特殊字符，这将被“意味着什么，即他们将被删除”所取代。

较短的方法:

import re
cleanString = re.sub('\W+','', string )

如果你想在单词和数字之间有空格，用''代替''

import re
abc = "askhnl#$%askdjalsdk"
ddd = abc.replace("#$%","")
print (ddd)

你会看到你的结果是

“askhnlaskdjalsdk

使用翻译:

import string


def clean(instr):
return instr.translate(None, string.punctuation + ' ')

警告:仅适用于ascii字符串。

Python 2 . *

我认为只要filter(str.isalnum, string)就可以了

In [20]: filter(str.isalnum, 'string with special chars like !,#$% etcs.')
Out[20]: 'stringwithspecialcharslikeetcs'

Python 3。*

在Python3中，filter( )函数将返回一个可迭代对象(而不是与上面不同的字符串)。从itertable中获取字符串必须返回连接:

''.join(filter(str.isalnum, string))

或在连接使用中传递list (不确定，但可以快一点)

''.join([*filter(str.isalnum, string)])

注意:在[*args]中解包从Python >= 3.5有效

TLDR

我计算了提供的答案。

import re
re.sub('\W+','', string)

通常是快3倍，而不是下一个最快提供的顶部答案。

使用此选项时应谨慎。某些特殊字符(例如ø)不能使用此方法进行条纹。

在看到这个之后，我对扩展提供的答案感兴趣，通过找出在最少的时间内执行的答案，所以我通过timeit对两个示例字符串检查了一些建议的答案:

• string1 = 'Special $#! characters spaces 888323'
• string2 = 'how much for the maple syrup? $20.99? That s ridiculous!!!'

示例1

'.join(e for e in string if e.isalnum())

• string1 -结果:10.7061979771
• string2 - Result: 7.78372597694

示例2

import re
re.sub('[^A-Za-z0-9]+', '', string)

• string1 - Result: 7.10785102844
• string2 - Result: 4.12814903259

示例3

import re
re.sub('\W+','', string)

• string1 - Result: 3.11899876595
• string2 - Result: 2.78014397621

以上结果是由以下平均值的最低返回结果的乘积:repeat(3, 2000000)

示例3可以比示例1快3倍。

s = re.sub(r"[-()\"#/@;:<>{}`+=~|.!?,]", "", s)

import re
my_string = """Strings are amongst the most popular data types in Python. We can create the strings by enclosing characters in quotes. Python treats single quotes the

和双引号一样。”＂＂

# if we need to count the word python that ends with or without ',' or '.' at end


count = 0
for i in text:
if i.endswith("."):
text[count] = re.sub("^([a-z]+)(.)?$", r"\1", i)
count += 1
print("The count of Python : ", text.count("python"))

与使用正则表达式的其他人不同，我将尝试排除不是我想要的每个字符，而不是显式地列举我不想要的东西。

例如，如果我只想要字符从'a到z'(大写和小写)和数字，我将排除所有其他:

import re
s = re.sub(r"[^a-zA-Z0-9]","",s)

这意味着“用空字符串替换每个不是数字的字符，或者'a到z'或'a到z'范围内的字符”。

事实上，如果你在正则表达式的第一个位置插入特殊字符^，你将得到否定。

额外提示:如果你还需要小写字母结果，你可以使正则表达式更快更容易，只要你现在不会找到任何大写。

import re
s = re.sub(r"[^a-z0-9]","",s.lower())

字符串。标点符号包含以下字符:

”! " # $ %和 ;\'()*+,-./:;& lt; = > ?@[\]^_`{|}~'

可以使用translate和maketrans函数将标点符号映射为空值(替换)

import string


'This, is. A test!'.translate(str.maketrans('', '', string.punctuation))

输出:

'This is A test'

对于其他语言，如德语，西班牙语，丹麦语，法语等，包含特殊字符(如德语&;as ü， ä， ö)简单地将这些添加到正则表达式搜索字符串中:

例如德语:

re.sub('[^A-ZÜÖÄa-z0-9]+', '', mystring)

这将删除除空格外的所有非字母数字字符。

string = "Special $#! characters   spaces 888323"
''.join(e for e in string if (e.isalnum() or e.isspace()))

特殊字符空格888323

这将删除字符串中的所有特殊字符、标点符号和空格，只包含数字和字母。

import re


sample_str = "Hel&&lo %% Wo$#rl@d"


# using isalnum()
print("".join(k for k in sample_str if k.isalnum()))




# using regex
op2 = re.sub("[^A-Za-z]", "", sample_str)
print(f"op2 = ", op2)




special_char_list = ["$", "@", "#", "&", "%"]


# using list comprehension
op1 = "".join([k for k in sample_str if k not in special_char_list])
print(f"op1 = ", op1)




# using lambda function
op3 = "".join(filter(lambda x: x not in special_char_list, sample_str))
print(f"op3 = ", op3)

10年后，下面我写了最好的解决方案。 您可以删除/清除字符串中的所有特殊字符、标点符号、ASCII字符和空格

from clean_text import clean


string = 'Special $#! characters   spaces 888323'
new = clean(string,lower=False,no_currency_symbols=True, no_punct = True,replace_with_currency_symbol='')
print(new)
Output ==> 'Special characters spaces 888323'
you can replace space if you want.
update = new.replace(' ','')
print(update)
Output ==> 'Specialcharactersspaces888323'

function regexFuntion(st) {
const regx = /[^\w\s]/gi; // allow : [a-zA-Z0-9, space]
st = st.replace(regx, ''); // remove all data without [a-zA-Z0-9, space]
st = st.replace(/\s\s+/g, ' '); // remove multiple space


return st;
}


console.log(regexFuntion('$Hello; # -world--78asdf+-===asdflkj******lkjasdfj67;'));
// Output: Hello world78asdfasdflkjlkjasdfj67