如何删除python中多个字符串之间的无效字符？

Question

我和OCR一起在西班牙的一个项目中工作。相机在一行文本中捕捉不同的帧。文本行包含以下内容：

Este texto，es una prueba del dispositivo selector para no videntes.埃斯特文本公司，该公司不提供任何证据。

经过一些操作后，我得到了这样的字符串：

s1 = "Este texto, es una p!"
s2 = "fste texto, es una |prueba u.-"
s3 = "jo, es una prueba del dispo‘"
s4 = "prueba del dispositivo \ec"
s5 = "del dispositivo lector par:"
s6 = "positivo lector para no xndev"
s7 = "lector para no videntes"
s8 = "¡r para no videntes."

我想加入字符串，这样我就可以得到最后一个字符串中扫描行的文本：

^{pr2}$

首先，我尝试在两个字符串之间使用SequenceMatcher，但没有效果：

# -*- coding: utf-8 -*-
from difflib import SequenceMatcher as sq
s1 = "Este texto, es una p!"
s2 = "fste texto, es una prueba u.-"
match = sq(None, s1, s2).find_longest_match(0, len(s1), 0, len(s2))
print unicode(s1 + s2[match.b + match.size:])

结果包含无效字符，如|或!：

>>>Este texto, es una p!|prueba u.-

在s2和{}之间：

>>>fste texto, es una |prueba u.-prueba del dispo‘

等等，我在Windows7上使用Python2.7。在

Answer 1

你应该使用正则表达式 做些像

import re
line = re.sub(r'\W', r'', line)

\W表示任何非单词字符。您可以在以下站点阅读有关regex的更多信息：https://docs.python.org/2/library/re.html