如何去除字符串开头或结尾的非字母数字字符

Question

我有一个列表，里面的每个字符串开头或结尾都有一些多余的字符，这些字符不是字母也不是数字。

比如：

'cats--'

我想去掉这些多余的字符，比如 --。

我试过：

for i in thelist:
    newlist.append(i.strip('\W'))

但是这样没成功。有没有什么建议？

Answer 1

使用strip的时候，你需要知道要去掉的子字符串是什么。

>>> 'cats--'.strip('-')
'cats'

你可以用re模块来去掉那些不是字母或数字的字符，但我觉得这就像用大炮打老鼠一样不合适。用str.isalpha()可以检查字符串中是否包含字母，所以你只需要保留那些字母：

>>> ''.join(char for char in '#!cats-%' if char.isalpha())
'cats'
>>> thelist = ['cats5--', '#!cats-%', '--the#!cats-%', '--5cats-%', '--5!cats-%']
>>> [''.join(c for c in e if c.isalpha()) for e in thelist]
['cats', 'cats', 'thecats', 'cats', 'cats']

你想去掉非字母和数字的字符，所以我们可以把这个做得更好：

>>> [''.join(c for c in e if c.isalnum()) for e in thelist]
['cats5', 'cats', 'thecats', '5cats', '5cats']

这个方法得到的结果和用re模块得到的结果是完全一样的（参考Christian的回答）：

>>> import re
>>> [re.sub("[^\\w]", "", e) for e in thelist]
['cats5', 'cats', 'thecats', '5cats', '5cats']

不过，如果你只想去掉字符串末尾的非字母和数字字符，你应该使用另一种模式，比如这个（查看re文档）：

>>> [''.join(re.search('^\W*(.+)(?!\W*$)(.)', e).groups()) for e in thelist]
['cats5', 'cats', 'the#!cats', '5cats', '5!cats']

Answer 2

我认为这是最简短的非正则表达式解决方案：

text = "`23`12foo--=+"

while len(text) > 0 and not text[0].isalnum():
    text = text[1:]
while len(text) > 0 and not text[-1].isalnum():
    text = text[:-1]

print text

Answer 3

你可以使用正则表达式。方法 re.sub() 需要三个参数：

• 正则表达式
• 替换的内容
• 要处理的字符串

代码：

import re

s = 'cats--'
output = re.sub("[^\\w]", "", s)

print output

解释：

• 部分 "\\w" 可以匹配任何字母或数字。
• [^x] 会匹配任何不是 x 的字符。

Answer 4

如果你想从字符串的两端去掉一个或多个不是字母、数字和 _ 的字符，可以使用下面的代码：

re.sub(r'^\W+|\W+$', '', '??cats--') # => cats

如果你也想去掉 _，那么可以把 \W 放进一个字符类中，并在里面加上 _：

re.sub(r'^[\W_]+|[\W_]+$', '', '_??cats--_')

你可以查看这个 正则表达式示例 和这个 正则表达式图示：

你还可以查看这个 Python 示例：

import re
print( re.sub(r'^\W+|\W+$', '', '??cats--') )          # => cats
print( re.sub(r'^[\W_]+|[\W_]+$', '', '_??cats--_') )  # => cats

Answer 5

def strip_nonalnum(word):
    if not word:
        return word  # nothing to strip
    for start, c in enumerate(word):
        if c.isalnum():
            break
    for end, c in enumerate(word[::-1]):
        if c.isalnum():
            break
    return word[start:len(word) - end]

print([strip_nonalnum(s) for s in thelist])

或者

import re

def strip_nonalnum_re(word):
    return re.sub(r"^\W+|\W+$", "", word)