使用 Python 从字符串中删除数字以外的字符？

Question

如何从字符串中删除除数字以外的所有字符？

原文由 Jan Tojnar 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

在 Python 2.* 中，目前最快的方法是 .translate 方法：

 >>> x='aaa12333bb445bb54b5b52'
>>> import string
>>> all=string.maketrans('','')
>>> nodigs=all.translate(all, string.digits)
>>> x.translate(all, nodigs)
'1233344554552'
>>>

string.maketrans 制作一个翻译表（长度为 256 的字符串），在这种情况下与 ''.join(chr(x) for x in range(256)) 相同（制作速度更快；-）。 .translate 应用翻译表（这里是无关紧要的，因为 all 本质上意味着身份）并删除第二个参数中存在的字符 - 关键部分。

.translate 在 Unicode 字符串（和 Python 3 中的字符串）上的工作方式非常不同—— 我 希望问题能具体说明对哪个 Python 主要版本感兴趣！）——不是这么简单，也不是这么快，虽然还是蛮好用的。

回到 2.*，性能差异令人印象深刻……：

 $ python -mtimeit -s'import string; all=string.maketrans("", ""); nodig=all.translate(all, string.digits); x="aaa12333bb445bb54b5b52"' 'x.translate(all, nodig)'
1000000 loops, best of 3: 1.04 usec per loop
$ python -mtimeit -s'import re;  x="aaa12333bb445bb54b5b52"' 're.sub(r"\D", "", x)'
100000 loops, best of 3: 7.9 usec per loop

将速度提高 7-8 倍并不是花生，因此 translate 方法非常值得了解和使用。另一种流行的非 RE 方法……：

 $ python -mtimeit -s'x="aaa12333bb445bb54b5b52"' '"".join(i for i in x if i.isdigit())'
100000 loops, best of 3: 11.5 usec per loop

比 RE 慢 50%，所以 .translate 方法比它高一个数量级。

在 Python 3 或 Unicode 中，您需要传递 .translate 一个映射（使用序数，而不是直接使用字符，作为键）返回 None 用于您要删除的内容。这里有一个方便的方式来表达删除“除了”几个字符之外的所有内容：

 import string

class Del:
  def __init__(self, keep=string.digits):
    self.comp = dict((ord(c),c) for c in keep)
  def __getitem__(self, k):
    return self.comp.get(k)

DD = Del()

x='aaa12333bb445bb54b5b52'
x.translate(DD)

还发出 '1233344554552' 。然而，把它放在 xx.py 中我们有……：

 $ python3.1 -mtimeit -s'import re;  x="aaa12333bb445bb54b5b52"' 're.sub(r"\D", "", x)'
100000 loops, best of 3: 8.43 usec per loop
$ python3.1 -mtimeit -s'import xx; x="aaa12333bb445bb54b5b52"' 'x.translate(xx.DD)'
10000 loops, best of 3: 24.3 usec per loop

…这表明性能优势消失了，对于这种“删除”任务，并成为性能下降。

原文由 Alex Martelli 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

使用 re.sub ，像这样：

 >>> import re
>>> re.sub('\D', '', 'aas30dsa20')
'3020'

\D 匹配任何非数字字符，因此上面的代码实质上是将每个非数字字符替换为空字符串。

或者您可以使用 filter ，就像这样（在 Python 2 中）：

 >>> filter(str.isdigit, 'aas30dsa20')
'3020'

由于在 Python 3 中， filter 返回一个迭代器而不是 list ，您可以使用以下代替：

 >>> ''.join(filter(str.isdigit, 'aas30dsa20'))
'3020'

原文由 João Silva 发布，翻译遵循 CC BY-SA 4.0 许可协议