为什么 re.sub() 在 Python 3.6 中不起作用？

Question

我正在做一个项目，我必须从 Excel 电子表格中读取数据。我正在使用 Python.

我注意到当我使用“re.sub()”时，原始字符串中的字符没有被替换。当我使用“string.replace()”时，原始字符串中的字符会被替换，但当我使用“re.sub()”时不会。

我想知道我是否做错了什么。 任何人都可以在您这边检查一下吗？

技术细节：

• Python版本：3.6.
• 操作系统：Windows10
• 要安装的库：openpyxl
• UTF-8 codes
• Unicode for emojis

这是我原来的：

string = re.sub(u'([\u2000-\u206f])', " ", string)
string = re.sub(u'(\u00a0)', " ", string)

string = string.replace("‰", " ") #\u0089
string = string.replace("¤", " ") #\u00a4

根据“chepner”的建议，我将逻辑更改为以下内容：

replacementDict = {}
replacementDict.update(dict.fromkeys(map(chr, range(0x2000, 0x206f)), " "))
replacementDict['\u00a0'] = " "
replacementDict['\u0089'] = " "
replacementDict['\u00a4'] = " "

string = string.translate(replacementDict)

但我仍然无法从字符串中删除非法字符。

您可以下载脚本和示例测试here:

重现问题的步骤：

• 运行 脚本原样（删除了向脚本发送参数的需要），您会注意到不匹配的行是带有非法字符的行。

Answer 1

我会用一次调用 str.translate 来替换所有这些，因为您只是在进行单个字符到单个字符的替换。

您只需定义一个 dict（您可以在每次调用 str.translate 时重复使用）将每个字符映射到其替换字符。保持不变的字符不需要添加到映射中。

replacements = {}
replacements.update(dict.fromkeys(range(0x2000, 0x2070), " "))
replacements[0x1680] = ' '
# etc

string = string.translate(replacements)

您还可以使用 str.maketrans 从字符到字符映射构建适当的翻译 table。