Java通过正则剔除乱码_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号,可以使用replace来替换掉,由于我们只是针对字符串中个别字符进行替换,因此使用str.replace("#","")即可;
#只有一类乱码字符串
df['name'] = df['name'].str.replace("#","")
#连续多个字符一起替换
df['name'] = df['name'].str.replace("#","").str.replace("&","").str.replace("*","")
2.乱码字符种类较多,用re.sub()
import re
string = "北京大学beijing985大学@#¥……&{}*@$%)..+_)("
string_code = re.sub(u"([^\u4e00-\u9fa5\u0030-\u0039\u0041-\u005a\u0061-\u007a])","",string)
print(string_code )
#输出:北京大学beijing985大学
这种方法的清洗,我们使用的其实是正则表达式,上述方法是提取了字符串中的中英文和数字,当然你也可以直提取中文,不同字符对应的 unicode 范围如下所示:
函数
说明
sub(pattern,repl,string)
把字符串中的所有匹配表达式pattern中的地方替换成repl
[^**]
表示不匹配此字符集中的任何一个字符
\u4e00-\u9fa5
汉字的unicode范围
\u0030-\u0039
数字的unicode范围
\u0041-\u005a
大写字母unicode范围
\u0061-\u007a
小写字母unicode范围
3.提取字符串中的中文字符
import re
string = "北京大学beijing985大学@#¥……&{}*@$%)..+_)("
#提取中文字符
string_code = re.sub(u"([^\u4e00-\u9fa5])","",string)
print(string_code )
#输出:北京大学大学
4.提取字符串中的中文字符和数字
import re
string = "北京大学beijing985大学@#¥……&{}*@$%)..+_)("
#提取中文字符和数字
string_code = re.sub(u"([^\u4e00-\u9fa5\u0030-\u0039])","",string)
print(string_code )
#输出:北京大学985大学
5.提取其他
至于提取其他字符,可以根据正则表达式的 unicode 范围,并参照上述三个例子敲代码。
Java通过正则剔除乱码_正则表达式 - 去掉乱码字符/提取字符串中的中文字符/提取字符串中的大小写字母 - Python代码...相关推荐
- 正则表达式 - 去掉乱码字符/提取字符串中的中文字符/提取字符串中的大小写字母 - Python代码
目录 1.乱码符号种类较少,用replace() 2.乱码字符种类较多,用re.sub() 3.提取字符串中的中文字符 4.提取字符串中的中文字符和数字 5.提取其他 数据清洗的时候一大烦恼就是数据中 ...
- java a标签正则_正则表达式:java中婚配HTML中a标签中的中文字符
正则表达式:java中匹配HTML中a标签中的中文字符 今天群里一位朋友问到了一个正则表达式的问题,有如下内容: 特432 453543 a1特123你好123吗? 特2 标签中的文字现在要匹配出内容 ...
- 发送附件时,防止文件名中的中文字符变成乱码
在.net2005中,利用System.Net.Mail;下的MailMessage类发送邮件,为了防止附件文件名中的中文字符变成乱码,需要加attachment.NameEncoding = Enc ...
- 批量修改图片名称(去掉原名字中的中文字符和空格)
python批量修改图片名称,去掉原名字中的中文字符和空格 如名字:KJG-A电泵冷油器泄漏4-20190219161731 (1).jpg-->KJG-A4-20190219161731(1) ...
- java正则出现次数_正则表达式(二)—匹配次数的正则
正则表达式 匹配次数的正则 在前一篇文章中,我们总结了和位置相关的正则,在这篇文章中,我们将继续学习正则表达式其它的内容. 假如现在给你一个regular_1.txt文件,让你找出含有连续2个a的行, ...
- java正则匹配汉字_正则表达式匹配中文汉字
文章告诉你如何利用php教程 正则表达式匹配中文汉字哦,下面我们主要讲利用preg_match mb_eregi来验证汉字,并且正则过程出现问题的解决方法. preg_match("/[a- ...
- java正则匹配换行_正则表达式怎么匹配换行符
正则表达式匹配文本中包含换行符等空白字符如何匹配 使用[\s\S]匹配任意字符,而不是使用"." 使用s单行修饰模式,例:$pattern = '#abc.*?def#s'; // ...
- java正则全局匹配_正则表达式全局匹配模式(g修饰符)
正则表达式g修饰符: g修饰符用语规定正则表达式执行全局匹配,也就是在找到第一个匹配之后仍然会继续查找. 语法结构: 构造函数方式: new RegExp("regexp",&qu ...
- java判断字符个数_使用Java判断字符串中的中文字符数量
Java判断一个字符串str中中文的个数,经过总结,有以下几种方法(全部经过验证),可根据其原理判断在何种情况下使用哪个方法: 1. 1 char[] c =str.toCharArray();2 f ...
最新文章
- [Android Studio] Android Studio常用快捷键
- SQL必知必会——插入数据(十五)
- vba移动文件_Excel VBA之FSO-2.3文件夹的移动
- OPA start up and wait for
- 数学--数论--HDU-2698 Maximum Multiple(规律)
- ltv价值 应用_用户终生价值Ltv是什么,在游戏设计中如何考虑?
- 获取字段 命名空间和类_系统架构之命名规范
- Linux操作Oracle(11)——Oracle用户密码过期 设置密码永不过期方法
- 推测用户行为 程序员分享Android开发经验
- redhat solutions
- 阿里P7跳槽后曝光薪资截图:新公司月入税后五万多,很满足!
- 【C/C++ 】C++库类大全
- java三级分销_java版微信三级分销完整源码
- cocos2dx 圆盘抽奖_Cocos2D-X转盘游戏制作教程:博彩大转盘
- C# WPF十个美观的界面设计展示
- 现代ADC中采样率往往远低于输入信号带宽
- git lfs linux,Git LFS 操作指南
- pythonmathcot函数_sin cos tan cot公式
- Pixelmator Pro 2.1.2 图像处理软件
- 数据分析:当回音哥唱music时,他在唱些什么~~~
热门文章
- putty连接centos/Ubuntu一段时间无操作无法输入 死机 断线解决办法
- python操作网页游戏_教你写页游自动化Python脚本 1.界面篇(模仿某键精灵)[Python3]...
- 急救AS build 卡在Download maven-metadata.xml
- 2009IT领域十大并购案回顾-思科收购腾博 HP收购3COM
- Vue之 vconsole 方便微信端调试
- Overleaf_LaTex (2)
- 必备CAD技能:原来3D的钣金设计这么好用!
- 智能手机会让人丧失“性趣”?
- 几行python代码制作桌面截图程序
- basler pylon型号相机详细使用说明