如何只保留字母数字和空格，同时忽略非 ASCII？

Question

我有这一行删除除空格外的所有非字母数字字符

re.sub(r'\W+', '', s)

虽然，它仍然保留非英文字符。

例如，如果我有

re.sub(r'\W+', '', 'This is a sentence, and here are non-english 托利 苏 !!11')

我想获得输出：

 > 'This is a sentence and here are non-english  11'

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

Answer 1

re.sub(r'[^A-Za-z0-9 ]+', '', s)

（编辑）澄清： [] 创建一个字符列表。 ^ 否定列表。 A-Za-z 是英文字母和 “ 是空间。对于其中的任何一个或多个（即不是 AZ、az 或空格的任何内容）替换为空字符串。

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

Answer 2

这可能不是这个具体问题的答案，但我在研究过程中遇到了这个话题。

我想达到与提问者相同的目标，但我想包括非英语字符，例如：ä,ü,ß, …

提问者代码的工作方式，空格也将被删除。

一个简单的解决方法如下：

 re.sub(r'[^ \w+]', '', string)

^ 表示除了以下内容之外的所有内容都被选中。在这种情况下 \w，因此每个单词字符（包括非英语）和空格。

我希望这会在将来帮助某人

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