删除字符串中的字符列表

Question

我想在 python 中删除字符串中的字符：

 string.replace(',', '').replace("!", '').replace(":", '').replace(";", '')...

但是我有很多字符必须删除。我想了一个清单

list = [',', '!', '.', ';'...]

但是如何使用 list 替换 string 中的字符？

原文由 Laura 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

如果您使用的是 python2 并且您的输入是字符串（不是 unicode），那么绝对最好的方法是 str.translate ：

 >>> chars_to_remove = ['.', '!', '?']
>>> subj = 'A.B!C?'
>>> subj.translate(None, ''.join(chars_to_remove))
'ABC'

否则，可以考虑以下选项：

A.逐个字符迭代主题字符，省略不需要的字符和 join 结果列表：

 >>> sc = set(chars_to_remove)
>>> ''.join([c for c in subj if c not in sc])
'ABC'

（请注意，生成器版本 ''.join(c for c ...) 效率较低）。

B. 动态创建正则表达式 re.sub 为空字符串：

 >>> import re
>>> rx = '[' + re.escape(''.join(chars_to_remove)) + ']'
>>> re.sub(rx, '', subj)
'ABC'

（ re.escape 确保像 ^ 或 ] 这样的字符不会破坏正则表达式）。

C. 使用 translate 的映射变体：

 >>> chars_to_remove = [u'δ', u'Γ', u'ж']
>>> subj = u'AжBδCΓ'
>>> dd = {ord(c):None for c in chars_to_remove}
>>> subj.translate(dd)
u'ABC'

完整的测试代码和时间：

 #coding=utf8

import re

def remove_chars_iter(subj, chars):
    sc = set(chars)
    return ''.join([c for c in subj if c not in sc])

def remove_chars_re(subj, chars):
    return re.sub('[' + re.escape(''.join(chars)) + ']', '', subj)

def remove_chars_re_unicode(subj, chars):
    return re.sub(u'(?u)[' + re.escape(''.join(chars)) + ']', '', subj)

def remove_chars_translate_bytes(subj, chars):
    return subj.translate(None, ''.join(chars))

def remove_chars_translate_unicode(subj, chars):
    d = {ord(c):None for c in chars}
    return subj.translate(d)

import timeit, sys

def profile(f):
    assert f(subj, chars_to_remove) == test
    t = timeit.timeit(lambda: f(subj, chars_to_remove), number=1000)
    print ('{0:.3f} {1}'.format(t, f.__name__))

print (sys.version)
PYTHON2 = sys.version_info[0] == 2

print ('\n"plain" string:\n')

chars_to_remove = ['.', '!', '?']
subj = 'A.B!C?' * 1000
test = 'ABC' * 1000

profile(remove_chars_iter)
profile(remove_chars_re)

if PYTHON2:
    profile(remove_chars_translate_bytes)
else:
    profile(remove_chars_translate_unicode)

print ('\nunicode string:\n')

if PYTHON2:
    chars_to_remove = [u'δ', u'Γ', u'ж']
    subj = u'AжBδCΓ'
else:
    chars_to_remove = ['δ', 'Γ', 'ж']
    subj = 'AжBδCΓ'

subj = subj * 1000
test = 'ABC' * 1000

profile(remove_chars_iter)

if PYTHON2:
    profile(remove_chars_re_unicode)
else:
    profile(remove_chars_re)

profile(remove_chars_translate_unicode)

结果：

 2.7.5 (default, Mar  9 2014, 22:15:05)
[GCC 4.2.1 Compatible Apple LLVM 5.0 (clang-500.0.68)]

"plain" string:

0.637 remove_chars_iter
0.649 remove_chars_re
0.010 remove_chars_translate_bytes

unicode string:

0.866 remove_chars_iter
0.680 remove_chars_re_unicode
1.373 remove_chars_translate_unicode

---

3.4.2 (v3.4.2:ab2c023a9432, Oct  5 2014, 20:42:22)
[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)]

"plain" string:

0.512 remove_chars_iter
0.574 remove_chars_re
0.765 remove_chars_translate_unicode

unicode string:

0.817 remove_chars_iter
0.686 remove_chars_re
0.876 remove_chars_translate_unicode

（作为旁注， remove_chars_translate_bytes 的数字可能会给我们一个线索，为什么业界这么长时间都不愿意采用 Unicode）。

原文由 georg 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

您可以使用 str.translate() ：

 s.translate(None, ",!.;")

例子：

 >>> s = "asjo,fdjk;djaso,oio!kod.kjods;dkps"
>>> s.translate(None, ",!.;")
'asjofdjkdjasooiokodkjodsdkps'

原文由 Sven Marnach 发布，翻译遵循 CC BY-SA 3.0 许可协议