Python - 更好地处理多个 str.replace 调用？

Question

我经常发现自己在大量文本中徘徊，提取术语或以其他方式清理内容，因此我重新使用字符串作为文件名等。

在最近的一次任务中，我从网站上抓取了几百个pdf文件，并希望使用文章标题作为文件名来帮助同事 checkin 文件。

我可以从html中获取标题，但标题中经常使用非法的win O/S字符(例如 : 、 " 、 > 等)，这意味着我必须做一些替换确保我可以使用这个标题。

由于上述原因，我开始使用这行代码:-

fname = art_number+" "+content_title.replace(":", " -").replace("&#8211;", "-").replace(u'\xae', "-").replace("\"", "").replace("?","").replace("<i>", "").replace("</i>", "").replace("/", " ").replace("<sup>-< sup>", "-")

正如你所看到的。成堆的str.replace ，不太可读或易于管理。

每个替换通常都是手动考虑的，我不想将它们扔到代码簿中，因为我想查找和检查每组内容通常有一些细微差别。

您对此有何看法？

Answer 1

对于单字符替换，我会使用 unicode.translate

对于较长的字符串，我将构建一个由前导两个字符索引的可能替换的字典，然后逐步遍历字符串，仅测试每个位置的可能替换。