在 Python 中替换字符串中的特殊字符

Question

我正在使用 urllib 从网站获取一串 html，需要将 html 文档中的每个单词放入列表中。

这是我到目前为止的代码。我不断收到错误消息。我也复制了下面的错误。

 import urllib.request

url = input("Please enter a URL: ")

z=urllib.request.urlopen(url)
z=str(z.read())
removeSpecialChars = str.replace("!@#$%^&*()[]{};:,./<>?\|`~-=_+", " ")

words = removeSpecialChars.split()

print ("Words list: ", words[0:20])

这是错误。

 Please enter a URL: http://simleyfootball.com
Traceback (most recent call last):
  File "C:\Users\jeremy.KLUG\My Documents\LiClipse Workspace\Python Project 2\Module2.py", line 7, in <module>
    removeSpecialChars = str.replace("!@#$%^&*()[]{};:,./<>?\|`~-=_+", " ")
TypeError: replace() takes at least 2 arguments (1 given)

原文由 user2363217 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

str.replace 是你想做的错误功能（除了它被错误使用）。你想用一个空格替换一个集合的任何字符，而不是用一个空格替换整个集合（后者是 replace 所做的）。您可以像这样使用翻译：

 removeSpecialChars = z.translate ({ord(c): " " for c in "!@#$%^&*()[]{};:,./<>?\|`~-=_+"})

这将创建一个映射，将特殊字符列表中的每个字符映射到一个空格，然后在字符串上调用 translate() ，用空格替换特殊字符集中的每个字符。

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

Answer 2

一种方法是使用 re.sub ，这是我的首选方法。

 import re
my_str = "hey th~!ere"
my_new_string = re.sub('[^a-zA-Z0-9 \n\.]', '', my_str)
print my_new_string

输出：

 hey there

另一种方法是使用 re.escape ：

 import string
import re

my_str = "hey th~!ere"

chars = re.escape(string.punctuation)
print re.sub(r'['+chars+']', '',my_str)

输出：

 hey there

关于 PEP-8 参数在 python 中的参数样式的 一个小提示 应该是 remove_special_chars 而不是 removeSpecialChars

另外，如果你想 保留 空格，只需将 [^a-zA-Z0-9 \n\.] 更改为 [^a-zA-Z0-9\n\.]

原文由 Kobi K 发布，翻译遵循 CC BY-SA 3.0 许可协议