python - python 上的简单正则表达式

Question

我正在使用 python 2.X，并且正在从文件加载文本，这里是文本中的一行

Odio ¿Mañana pensar porque RT luego pasa lo que pasa Marzo ♡♡♡

我发现这个正则表达式 [^\x30-\xFF] 完全匹配我想要的字符(使用在线正则表达式工具)，但是当我在代码中使用它时，如下所示:

filtered_comments = re.sub("[^\x30-\xFF]", " ", all_comments)

不匹配相同的字符；您可以尝试http://pythex.org 所以在这篇文章中我想匹配 ♡♡♡ 并留下 ñ 和 ¿ ....有什么想法吗？

Answer 1

尝试以下脚本，请参阅第一行的#coding=utf-8。更多信息请参见PEP-0263

# coding=utf-8
import re

comments = u"Odio ¿Mañana pensar porque RT luego pasa lo que pasa Marzo ♡♡♡"

rx = re.compile(u"[\u2661]+")

# If you want to remove non-ASCII characters, as you mentioned in comments,
# uncomment following regex. 
# Downside is it will remove all accented characters too.
#
# rx = re.compile(u"[^\x00-\x7F]+")

filtered_comments = re.sub(rx, " ", comments)

print filtered_comments

它将打印

Odio ¿Mañana pensar porque RT luego pasa lo que pasa Marzo