一聚教程网:一个值得你收藏的教程网站

最新下载

热门教程

Python处理文本文件中控制字符的方法

时间:2017-03-17 编辑:简简单单 来源:一聚教程网

控制字符

控制字符(Control  Character),或者说非打印字符,出现于特定的信息文本中,表示某一控制功能的字符,如控制符:LF(换行)、CR(回车)、FF(换页)、DEL(删除)、BS(退格)、BEL(振铃)等;通讯专用字符:SOH(文头)、EOT(文尾)、ACK(确认)等。

具体控制字符一共有下面两个集合:

七位ASCII定义了33个代码作为控制字符,它们是0到31、以及127,(位于0x00-0x1F及0x7F)。

兼容的八位ISO/IEC 8859-1加上了从ISO/IEC 6429定义的从128到159的32个代码,位于0x80-0x9F。

控制字符列表:http://ascii-table.com/control-chars.php

Python解决控制字符的方案:(未一一验证)

方案一:

 代码如下复制代码
strip_control_characters=lambdas:"".join(iforiinsif31

方案二:

 代码如下复制代码

defstrip_control_characters(str_input):

 ifstr_input:

 importre

 # unicode invalid characters

 RE_XML_ILLEGAL=u'([\u0000-\u0008\u000b-\u000c\u000e-\u001f\ufffe-\uffff])'+\

   u'|'+\

   u'([%s-%s][^%s-%s])|([^%s-%s][%s-%s])|([%s-%s]$)|(^[%s-%s])'%\

   (unichr(0xd800),unichr(0xdbff),unichr(0xdc00),unichr(0xdfff),

    unichr(0xd800),unichr(0xdbff),unichr(0xdc00),unichr(0xdfff),

    unichr(0xd800),unichr(0xdbff),unichr(0xdc00),unichr(0xdfff),

    )

 str_input=re.sub(RE_XML_ILLEGAL, "",input)

 # ascii control characters

 str_input=re.sub(r"[\x01-\x1F\x7F]", "",input)

 returnstr_input

方案三:

 代码如下复制代码

importre

  

defremove_control_chars(s):

 control_chars=''.join(map(unichr,range(0,32)+range(127,160)))

 control_char_re=re.compile('[%s]'%re.escape(control_chars))

  

 returncontrol_char_re.sub('', s)

  

cleaned_json=remove_control_chars(original_json)

obj=simplejson.loads(cleaned_json)

热门栏目