python - 从字符串中删除十六进制表示 - Python

Question

好的，这是一个简短的内容:

目标:检测字符串是否包含十六进制值，并正确提取它们或删除它们。

问题:我希望能够使用 openpyxl 将字符串写入 Excel 工作表，而不会引发非法字符异常错误。

有问题的字符串示例:

'\xc2\x87,QGLYLGXDO\x03ZLWK\x03EUHDVW\x03FDQFHU\x03\xc2\x9435

或者:

'5LVN\x03VWDWXV\x1d\x033RRU\x10ULVN\x1e\x03&\\WRJHQHWLFV\x1d\x03&RPSOH[\x03\x0b\xc2\x95\x03\x16\x03FORQDO\x03FKURPRVRPDO\x03DEQRUPDOLWLHV\x0c\x1e\x030RQRVRPDO\x03 

我尝试过的:我尝试在写入之前检查每个元素，它是否是有效的字符串，方法是执行 if type(element) == str:或 isinstance(element) == unicode 但没有效果。

如何解决这个问题？

额外信息: 我做了什么:

1. 通过互联网上免费提供的软件将 PDF 文件转换为 xls 格式。 [不幸的是，该软件只是声称将其转换为 xls，但实际上数据是以 xml 形式写入的]
2. 现在，我获取这些 xml 文件并编写一个解析器来从中提取数据。
3. 第三，我使用提取的数据并使用 openpyxl 包将其写入 Excel 工作表。

Answer 1

如果您查看 openpyxl 的源代码，您会发现正则表达式负责检查是否允许使用字符，您可以使用它来检查字符串。看来 \x03 就是问题所在。您可以从源中删除或转义这些字符。

import re
ILLEGAL_CHARACTERS_RE = re.compile(r'[\000-\010]|[\013-\014]|[\016-\037]')
m = ILLEGAL_CHARACTERS_RE.search(s)
m
<_sre.SRE_Match object; span=(12, 13), match='\x03'>