Question

我经常发现自己在大量文本中漫游，提取术语或以其他方式清理东西，所以我重新使用字符串作为文件名等。

在最近的一项任务中，我从网站上抓取了几百个pdf文件，并希望使用文章标题作为文件名来帮助我的同事检查文件。

我可以从html中获取标题，但标题中通常会使用非法获胜的O / S字符（例如:，"，>等），这意味着我必须做一些替换，以确保我可以使用标题。

由于上述原因，我开始使用这行代码： -

fname = art_number+" "+content_title.replace(":", " -").replace("&#8211;", "-").replace(u'\xae', "-").replace("\"", "").replace("?","").replace("<i>", "").replace("</i>", "").replace("/", " ").replace("<sup>-< sup>", "-")

如你所见。 str.replace的堆，不太可读或无法管理。

每个替换都是手动考虑的，我不想把它们放在代码簿中，因为我想要查找和检查每组内容通常有一些细微差别。

你对此有什么看法？

Answer 1

对于单字符替换，我会使用unicode.translate

对于更长的字符串，我会构建一个由前两个字符索引的可能替换的字典，然后逐步测试每个位置可能替换的字符串。

Answer 2

import re
keys = ":","&#8211;",...
def replacer(match):
    return {
       "&#8211;": "-",
       ":":"-",
        ...
    }[match.group(0)]

re.sub("|".join("(%s)"%k for k in sorted(keys,key=len,reverse=True)),replacer,my_text)

我认为会起作用....

Answer 3

我想，上一个问题的回答对你来说很有用。 Python replace multiple strings。这不是例外的答案，但它运作良好，并且功能很好。

Answer 4

您可以使用reduce()和一系列替换对：

from functools import reduce

replacements = (":", " -"), ("a", "1"), ("b", "2"), ("c", "3")
content_title = "Testing: abc"
print reduce(lambda s, args: s.replace(*args), replacements, content_title)

输出：

Testing - 123

Python - 更好地处理多个str.replace调用？

4 个答案: