Question

我正在尝试从Python中的字符串中删除某些字符。我有一个我需要删除的字符或字符范围列表，以十六进制表示，如下所示：

SELECT COUNT(*)
FROM score_table
WHERE score > X;

我将此列表转换为正则表达式，如下所示：

- "0x00:0x20"
- "0x7F:0xA0"
- "0x1680"
- "0x180E"
- "0x2000:0x200A"

但是，当我在那里re.sub(u'[\x00-\x20 \x7F-\xA0 \x1680 \x180E \x2000-\x200A]', ' ', my_str)时，我收到了错误。

我发现Python实际上并没有将\x2000-\x200A解释为字符：

u'\x2000'

它将它视为'x20'（空格）以及其后的其他内容：

>>> '\x2000'
' 00'

x2000是一个有效的unicode字符： http://www.unicodemap.org/details/0x2000/index.html

我希望Python以这种方式对待它，以便我可以使用>>> '\x20blah' ' blah'将其从字符串中删除。

作为替代方案，我想知道另一种从字符串中删除这些字符的方法。

我感谢任何帮助。谢谢！

Answer 1

在unicode字符串中，您需要指定unicode字符（\uNNNN而不是\xNNNN）。以下作品：

>>> import re
>>> my_str=u'\u2000abc'
>>> re.sub(u'[\x00-\x20 \x7F-\xA0 \u1680 \u180E \u2000-\u200A]', ' ', my_str)
' abc'

Answer 2

来自文档（https://docs.python.org/2/howto/unicode.html）：

Unicode文字也可以使用与8位相同的转义序列字符串，包括\ x，但\ x只需要两个十六进制数字，所以它不能表达一个任意的代码点。八次逃脱可以达到U + 01ff，这是八进制777。

>>> s = u"a\xac\u1234\u20ac\U00008000"
... #      ^^^^ two-digit hex escape
... #          ^^^^^^ four-digit Unicode escape
... #                      ^^^^^^^^^^ eight-digit Unicode escape
>>> for c in s:  print ord(c),
...
97 172 4660 8364 32768

如何让python接受unicode字符0x2000（以及其他）

2 个答案: