为什么re.sub（）在Python3.6中不起作用？

Question

我正在做一个项目，我必须从Excel电子表格中读取数据。我正在使用Python

我注意到，当我使用“re.sub（）”时，原始字符串中的字符没有被替换。当我使用“string.replace（）”时，原始字符串中的字符会被替换，但当我使用“re.sub（）”时不会被替换

我想知道我是否做错了什么。 有人能帮你查一下吗

技术细节：

• Python版本：3.6
• 操作系统：Windows 10
• 要安装的库：openpyxl
• UTF-8 codes
• Unicode for emojis

这就是我最初拥有的：

string = re.sub(u'([\u2000-\u206f])', " ", string)
string = re.sub(u'(\u00a0)', " ", string)

string = string.replace("‰", " ") #\u0089
string = string.replace("¤", " ") #\u00a4

根据“切普纳”的建议，我将逻辑更改为：

replacementDict = {}
replacementDict.update(dict.fromkeys(map(chr, range(0x2000, 0x206f)), " "))
replacementDict['\u00a0'] = " "
replacementDict['\u0089'] = " "
replacementDict['\u00a4'] = " "

string = string.translate(replacementDict)

但是我仍然无法从字符串中删除非法字符

您可以下载脚本和示例测试here：

重现问题的步骤：

• 按原样运行脚本（不需要向脚本发送参数），您会注意到不匹配的行是带有非法字符的行

Answer 1

我将用一个对str.translate的调用来替换所有这些，因为您只进行单字符到单字符的替换

您只需要定义一个dict（可以在每次调用str.translate时重用），将每个字符映射到替换字符。保持不变的字符不需要添加到映射中

replacements = {}
replacements.update(dict.fromkeys(range(0x2000, 0x2070), " "))
replacements[0x1680] = ' '
# etc

string = string.translate(replacements)

您还可以使用str.maketrans从字符到字符的映射构造适当的转换表