我需要删除python中所有不可见的字符

Question

我有一个很长的文本，我需要尽可能干净。 我只在一个空间中折叠了多个空间。我已删除\n和\t。我删除了生成的字符串。在

然后我找到了像\u2003和\u2019这样的字符 这些是什么？如何确保在我的文本中删除所有特殊字符？在

除了\n \t和\u2003之外，是否应检查要删除的其他字符？ 我使用的是python3.6

Answer 1

试试这个：

import re
# string contains the \u2003 character
string = u'This is a   test string ’'
# this regex will replace all special characters with a space
re.sub('\W+',' ',string).strip()

结果

^{pr2}$

如果要保留ascii特殊字符：

re.sub('[^!-~]+',' ',string).strip()

此正则表达式读作：选择[not characters 34-126]一次或多次，其中字符34-126是ascii的可见范围。在

在regex中，^表示not，-表示一个范围。看一个ascii表，32是space，下面所有的字符要么是按钮中断，要么是另一种形式的空白，比如tab和{}。字符33是!标记，ascii中最后一个可显示的字符是126或~。在