从Python中的字符串中除去数字和小数点以外的所有内容的最佳方法

Question

我正在使用Python 2.7读取ASCII数据流，其中包括带小数位的非负数，还包括包含非打印，字母和标点符号的“垃圾字符”。我可以这样剥离非printables：

rawdata2 = filter(lambda x: x in string.printable, rawdata)

但是留下了这样的字符串：

Ri-G2015,2,20.23,9.13,273.1- ZW; w; K - ; - A; B`R

删除除数字和小数点（。）之外的所有内容有什么好方法，所以我留下了这个：

2015,2,20.23,9.13,273.1

Answer 1

string.printable只是一个字符串。您可以在其位置使用自己的字符串，例如：

rawdata2 = filter(lambda x: x in ',.0123456789', rawdata)

请注意，我添加了一个逗号，因为您的预期输出还包含逗号。

Answer 2

更快的方法是使用正则表达式：

import re

rawdata2 = re.sub('[^0-9,.]', '', rawdata)

这只删除集合0-9 , .以外的任何字符（用空字符串替换它们）。这是100次重复输入字符串的过滤器方法的两倍，并且更加简洁。

最快的方法（如果您处理大量文本）是使用string.translate：

deltable = "".join(chr(c) for c in xrange(256) if chr(c) not in "0123456789,.")

rawdata2 = string.translate(rawdata, None, deltable)

这比原始过滤器方法快100倍。

Answer 3

keepchars = string.digits + ",." #the characters you want to keep
rawdata2 = filter(lambda x: x in keepchars, rawdata)

由于您似乎想要将字符列入白名单，因此我不得不这样做。如果您决定将黑名单列入黑名单，string.translate()可能是个好看的地方。

Answer 4

我喜欢正则表达式。它很优雅，因为我不知道... ...

In [45]: "".join([i for i in mystring if i=="." or i.isdigit() or i==','])
Out[45]: '2015,2,20.23,9.13,273.1'

Answer 5

谢谢大家。我的程序不需要很快，因为它每隔几分钟只处理一行，但我很高兴了解不同方法的效率。我最终使用了以下两行：

include = set('0' '1' '2' '3' '4' '5' '6' '7' '8' '9' '.' ',')

然后

cleandata1 = ''.join(ch for ch in rawdata if ch in include)

后来我插入第三行来保存垃圾字符以供检查：

garbage = ''.join(ch for ch in rawdata if ch not in include)