python過濾中文字元

⑴ python pandas 過濾某列特殊字元求助

改成r="\W"試試

⑵ Python正則表達式

>>>importre
>>>s="你好啊hellohi
>>>s1=re.findall(r'[u4e00-u9fa5]s[u4e00-u9fa5]',s)
>>>s2=re.sub(r's','',s1[0])
>>>s11=re.split(s1[0],s)
>>>s11.insert(1,s2)
>>>s3=''.join(s11)
>>>s3
'你好啊hellohi'

兩端的空格還沒有刪除，你可以在s11這個階段刪除空格

⑶ Python中的去除字元串中的空格和特殊字元的方法有哪些呢

strip只能去除前後空白字元或指定字元。要去掉字元串中間的空白字元或指定字元，可以使用replace方法

⑷ Python3.6.3 中BeautifSoup過濾標簽中的文本

直接span.string就可以取出代碼里的字元串，包括中文

你在for循環那裡，最後兩行去掉，用print(six.string)代替就行

⑸ Python 正則表達式 支持批量語料過濾中文字元之間的空格

|^

#encoding:UTF-8
importre
importsys
reload(sys)
sys.setdefaultencoding('utf-8')

source="你好啊hellohi"
usample=unicode(source,'utf8')
xx=u"((?<=[u4e00-u9fa5])s+(?=[u4e00-u9fa5])|回^答s+|s+$)"
temp=re.sub(xx,'',usample);
printtemp;

⑹ Python判斷字元串中是否有中文字元

首先，在Python中字元串的表示是 用unicode編碼。所以在做編碼轉換時，通常要以unicode作為中間編碼。
decode的作用是將其他編碼的字元串轉換成unicode編碼，比如 a.decode('utf-8')，表示將utf-8編碼的字元串轉換成unicode編碼
encode的作用是將unicode編碼的字元串轉換成其他編碼格式的字元串，比如b.encode('utf-8')，表示將unicode編碼格式轉換成utf-8編碼格式的字元串

判斷一個字元串中是否含有中文字元：
好了，有了以上知識，就可以很容易的解決這個問題了。這是代碼

1 #-*- coding:utf-8 -*-
2
3 import sys
4 reload(sys)
5 sys.setdefaultencoding('utf8')
6
7 def check_contain_chinese(check_str):
8 for ch in check_str.decode('utf-8'):
9 if u'\u4e00' <= ch <= u'\u9fff':
10 return True
11 return False
12
13 if __name__ == "__main__":
14 print check_contain_chinese('中國')
15 print check_contain_chinese('xxx')
16 print check_contain_chinese('xx中國')
17
18 結果：
19 True
20 False
21 True

⑺ Python：如何過濾特殊字元和亂碼的字元

如果是從Html文本弄來的，那直接download Html的源代碼，然後直接替換其中的<div class="">這里是隨機字元串</div>

Python裡面使用xml.minidom就OK

⑻ python 如何去掉字元串中特定的字元

參考以下：

In [20]: aa=u\\'kasdfjskdf12334342\\'

In [21]: filter(str.isdigit,str(aa))
Out[21]: \\'12334342\\'

In [22]: filter(str.isalpha,str(aa))
Out[22]: \\'kasdfjskdf\\'

注意，這個因為要用到 str 函數，所以如果字元串中有非 ascii 碼（如漢字）會報錯。
要先去掉非 ascii 碼字元再用上面的方法。

⑼ Python 3.5 如何對中文字元串進行處理

在Python的string前面加上『r』， 是為了告訴編譯器這個string是個raw string，不要轉意backslash '\' 。 例如，\n 在raw string中，是兩個字元，\和n， 而不會專轉意為換行符。由於正則表達式和 \ 會有沖突，因此，當一個字元串使用了正則表達式後，最好在前面加上'r'。
在[]中
-長用來指定一個字元集，在屬這個字元集中的一個可以拿來匹配：[abc] [a-z]
-元字元在在字元集中不起作用
-在[]內用^表示補集，用來匹配不在區間范圍內的字元
s=r'aba' 匹配abc
s=r't[io]p' 匹配tip或者top
s=r't[a-z0-9A-Z]'匹配t+0-9或者a-z或者A-Z
[abc]表示「a」或「b」或「c」
[0-9]表示0~9中任意一個數字，等價於[0123456789]
[\u4e00-\u9fa5]表示任意一個漢字
[^a1<]表示除「a」、「1」、「<」外的其它任意一個字元
[^a-z]表示除小寫字母外的任意一個字元

⑽ python 去除字元串中指定字元