13. 去除字符串中不需要的字符

灰太狼 2023-10-09 06:58 8阅读 0赞

要求：

1.  过滤掉用户输入中前后多余的空白字符：

' nick2008@gmail.com '

1.  过滤Windows下编辑文本中的`\r`、`\n`：

'hello world\r\n'

1.  去掉文本中的Unicode组合符号（音调）：

'nǐ hǎo，shì jiè'

解决方案：

1.  字符串的`strip()`、`lstrip()`、`rstrip()`方法去掉字符串两端的字符；
2.  删除单个固定位置的字符，可以使用`split()`方法先切片后拼接的方式；
3.  字符串的`replace()`方法或正则表达式`re.sub()`删除任意子串（令要替换的内容为`''`）；
4.  使用`unicodedata.normalize()`方法，可以删除Unicode字符串。

--------------------

*  对于`strip()`方法：

字符串的`strip()`方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列，返回一个列表。

注意：该方法只能删除开头或是结尾的字符，不能删除中间部分的字符。

类似的，`lstrip()`方法用于截掉字符串左边的空格或指定字符；`rstrip()`方法用于截掉字符串右边的空格或指定字符。

*  对于`replace()`方法：

replace(old, new, count)

字符串的`replace()`方法把字符串中的old（旧字符串）替换成new(新字符串)，count表示要替换的最大次数。

*  对于`unicodedata.normalize()`方法:

unicodedata.normalize(form, unistr)

返回Unicode字符串unistr的正常形式form。 form的有效值为`NFC`、`NFKC`、`NFD`和`NFKD`。

--------------------

*  方案1示例：

s1 = ' nick2008@gmail.com '
    s2 = '+-===nick2008@gmail.com===-+'
    s3 = '+-= nick2008@gmail.com =-+'
    s4 = ' +-= nick2008@gmail.com =-+ '
    print(s1.strip())
    print(s2.strip('+-='))
    print(s3.strip('+-= '))
    print(s4.strip('+-= '))
    
    nick2008@gmail.com              #结果
    nick2008@gmail.com
    nick2008@gmail.com
    nick2008@gmail.com

--------------------

*  方案2示例：

from functools import reduce
    
    s = ' abc:1234+sbd- ewq=grw\r\n '
    
    def my_split(s, seps):
        res = reduce(lambda t, sep: sum(map(lambda ss: ss.split(sep), t), []), seps, [s])
        return res
    
    answer = ''
    
    for i in my_split(s,':+-=\r\n '):
        answer += i
    
    print(answer)
    
    abc1234sbdewqgrw                #结果

字符串的`split()`方法指定分隔符对字符串进行切片，自定义函数`my_split()`可将字符串中不需要的任意字符去除。

--------------------

*  方案3示例：

使用`replace()`方法：

from functools import reduce
    
    s = ' abc:1234+sbd- ewq=grw\r\n '
    
    def my_replace(s, seps):
        res = reduce(lambda t, sep: t.replace(sep, ''), seps, s)
        return res
    
    answer = my_replace(s, ' :+-=\r\n')
    print(answer)
    
    abc1234sbdewqgrw                #结果

使用`replace()`方法比使用`split()`方法简单，这是因为`replace()`方法返回的结果是字符串，而`split()`方法返回的结果是列表。

使用正则表达式`re.sub()`：

import re
    from functools import reduce
    
    s = ' abc:1234+sbd- ewq=grw\r\n '
    
    def my_rub(s, seps):
        res = reduce(lambda t,sep: re.sub(r'[%s]+' % sep, '', t), seps, s)
        return res
    
    answer = my_rub(s, ' :+-=\r\n')
    print(answer)
    
    abc1234sbdewqgrw                #结果

--------------------

*  方案4示例：

import unicodedata
    
    s = 'ní hǎo, shì jiè'
    
    answer = unicodedata.normalize('NFKD', s).encode('ascii','ignore')
    print(str(answer).replace('b', ''))
    
    'ni hao, shi jie'               #结果

--------------------