去除数字，特殊字符，只保留汉字
|
1
2
3
4
5
6
7
8
|
import
re
s
=
'1123*#$ 中abc国'
str
=
re.sub(
'[a-zA-Z0-9'
!
"#$%&\'()*+,-./:;<=>?@，。?★、…【】《》？“”‘'！[\\]^_`{|}~\s]+', "
", s)
# 去除不可见字符
str
=
re.sub(
'[\001\002\003\004\005\006\007\x08\x09\x0a\x0b\x0c\x0d\x0e\x0f\x10\x11\x12\x13\x14\x15\x16\x17\x18\x19\x1a]+'
, '', x)
print
(
str
)
# 结果为：中国
|
去除特殊字符，只保留汉子，字母、数字
|
1
2
3
4
5
6
7
|
import
re
string
=
"123我123456abcdefgABCVDFF？/ ，。,.:;:''';'''[]{}()（）《》"
print
(string)
123
我
123456abcdefgABCVDFF
？
/
，。,.:;:
''';'''
[]{}()（）《》
sub_str
=
re.sub(u
"([^\u4e00-\u9fa5\u0030-\u0039\u0041-\u005a\u0061-\u007a])"
,"",string)
print
(sub_str)
123
我
123456abcdefgABCVDFF
|
正则表达式说明
| 函数 | 说明 |
| sub(pattern,repl,string) | 把字符串中的所有匹配表达式pattern中的地方替换成repl |
| [^**] | 表示不匹配此字符集中的任何一个字符 |
| \u4e00-\u9fa5 | 汉字的unicode范围 |
| \u0030-\u0039 | 数字的unicode范围 |
| \u0041-\u005a | 大写字母unicode范围 |
| \u0061-\u007a | 小写字母unicode范围 |
| \uAC00-\uD7AF | 韩文的unicode范围 |
| \u3040-\u31FF | 日文的unicode范围 |