python正则表达式：如何从字符串中删除十六进制dec字符

Question

text="\xe2\x80\x94"
print re.sub(r'(\\(?<=\\)x[a-z0-9]{2})+',"replacement_text",text)

输出为—

在这种情况下如何处理十六进制十进制字符？

Answer 1

您的输入没有反斜杠。它有3个字节，U+2014 EM DASH字符的UTF-8编码：

unicode

您需要直接匹配这些UTF-8字节，或者从UTF-8解码到repr()并匹配代码点。后者是优选的;总是尝试将文本作为Unicode处理，以简化您一次要转换的字符数。

另请注意，Python的\xhh输出（在交互式解释器中回显或打印列表，dicts或其他容器时使用时）使用re.sub(r'[\x80-\xff]+', "replacement_text", text) 转义序列来表示任何不可打印的字符。对于UTF-8字符串，包括ASCII范围之外的任何字符串。你可以用以下方法替换该范围之外的任何东西：

id

考虑到这个'匹配连续多个 UTF-8编码的字符，并将它们作为一组替换！

Answer 2

您的输入是十六进制，而不是实际的“\ xe2 \ x80 \ x94”。 \ x只是表示以下字符应以十六进制解释的方式。

this post解释了这一点。