re.sub 可以替换成中文字符吗？

2014-06-08 12:11:07 677 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

正则表达式 - 去掉乱码字符/提取字符串中的中文字符/提取字符串中的大小写字母 - Python代码目录 1.乱码符号种类较少，用replace() 2.乱码字符种类较多，用re.sub() 3.提取字符串中的中文字符 4.提取字符串中的中文字符和数字 5.提取其他数据清洗的时候一大烦恼就是数据中总有各种乱码字符，比如！@#￥%……&——+*（）{}：“》《？|【】‘；/。，、-= 去掉这些很简单： 1.乱码符号种类较少，用replace() 如果只是很少类型的乱码符... 阅读详情

content = re.compile(u'<div class="post-body">.*?</div>', re.DOTALL) #（1）
style = content.search(html.decode('utf8'))
para = re.sub('<[^>]*>', '', html);
para = re.sub('……','……',para) # 此处会报错，不允许中文字符……
f = file('D:\\myblog\\'+str(id)+'.txt', 'w')
f.write(para.encode('utf8'))
f.close()

抓取的网页在去掉html标签以后，仍有以下符号：
… （省略号）
— （破折号）

请问在哪一步可以将其转换为中文的符号，如…… —— ？

...全文

Python字符串替换三大方法选型指南：replace、re.sub与translate实战对比字符串替换是文本处理中最基础也最易被低估的核心操作，其本质是字符序列的模式匹配与内容重构。理解不同方法的底层机制——如.replace()的字面精确匹配与Boyer-Moore优化、re.sub()的正则NFA回溯引擎、str.translate()的O(n)查表映射——直接决定程序的性能、安全性和可维护性。在数据清洗、API模板渲染、日志批量修正等高频场景中，错误选型会导致误替换、乱码、OOM或XSS风险。本文聚焦Python原生替换能力，结合Unicode边界、大小写无关匹配、流式大文件处理等真实工程挑阅读详情

饺克力克

脚本语言 37,738 成员 34,208 内容

+ 关注 + 加入社区

re.sub 可以替换成中文字符吗？

相关推荐