Python正则表达式替换\u2022

这是我的字符串：

raw_list = u'Software Engineer with a huge passion for new and innovative products. Experienced gained from working in both big and fast-growing start-ups.  Specialties \u2022 Languages and Frameworks: JavaScript (Nodejs, React), Android, Ruby on Rails 4, iOS (Swift) \u2022 Databases: Mongodb, Postgresql, MySQL, Redis \u2022 Testing Frameworks: Mocha, Rspec xxxx Others: Sphinx, MemCached, Chef.'

我试图用一个空格来替换

\u2022

x=re.sub(r'\u2022', ' ', raw_list)

但它不起作用。我做错了什么？

除非使用Unicode字符串文字，否则转义序列没有任何意义。不适用于Python，也不适用于

re

模块。添加

u

前缀：

re.sub(ur'\u2022', ' ', raw_list)

---

注意那里的

ur

；这是一个原始的unicode字符串文字；这仍然解释unicode转义序列（但在其他方面与标准原始字符串文字模式相同）。

re

模块本身不支持此类转义序列（但它支持大多数其他Python字符串转义序列）

这里不需要使用正则表达式，简单的表达式就足够了：

raw_list.replace(u'\u2022', u' ')

或者您可以使用：

---

您使用的是原始字符串，带有

r

。这告诉Python按字面解释字符串，而不是实际使用转义字符（例如\n）

你可以看到它实际上是一个双反斜杠。相反，您希望使用>>>

u'\u2022'

，然后它就可以工作了

请注意，由于您正在进行简单的替换，因此只需使用

str.replace

方法即可：

x = raw_list.replace(u'\u2022', ' ')

---

对于复杂的模式匹配，您只需要替换正则表达式。

这是我的方法，更改正则表达式模式，您可以尝试

re.sub(r'[^\x00-\x7F]+','',raw_list)

Out[1]：你是一名软件工程师，对新技术和新技术有着巨大的热情 创新产品。在大、中型企业工作经验丰富 快速成长的初创企业。语言和框架： JavaScript（Nodejs、React）、Android、RubyonRails4、iOS（Swift） 数据库：Mongodb、Postgresql、MySQL、Redis测试框架： 摩卡咖啡，Rspec xxxx其他：斯芬克斯，MemCached，厨师

---

关键是在您试图查找的unicode字符前面添加unicode

u

——在本例中是

\u2022

，它是项目符号的unicode字符。如果文本包含unicode字符，则文本实际上是unicode文本，而不是字符串（您可以通过打印文本并在开头查找u来确认）。请参见下面的示例，其中我使用正则表达式（RegEx）在字符串和unicode文本上搜索unicode项目符号字符：

导入正则表达式包： unicode文本：

---

您不需要使用

re

模块来执行此操作。只需使用unicode字符串的

.replace（）

方法即可。请注意，

re

模块会解释Python支持的大多数字符串转义序列<代码>\uhhh恰好是一个不受支持的代码。您仍然可以使用原始字符串文字，只需在前面添加

u

就可以解释Unicode转义序列。“这仍然解释

\uhhh

Unicode转义序列”-哇，我没想到会是这样。我不知道他们为什么会那样做。看起来他们是为了避免

ur

应该是真正原始的还是像Python 2那样只是有点原始的问题。@user2357112:在Python 3中不需要

ur'…'

，因为a）

r'…'

已经是unicode字符串（因为在Python 3中字符串总是unicode字符串）b）在Python3中，

re

模块确实支持

\uhhh

序列。

x = raw_list.replace(u'\u2022', ' ')

re.sub(r'[^\x00-\x7F]+','',raw_list)

import re

my_unicode = u"""\u2022 Here\'s a string of data.\n<br/>\u2022 There are new 
line characters \n, HTML line break tags <br/>, and bullets \u2002 together in 
a sequence.\n<br/>\u2022 Our goal is to use RegEx to identify the sequences."""

type(my_unicode) #unicode

my_string = """\u2022 Here\'s a string of data. \n<br/>\u2022There are new 
line characters \n, HTML line break tags <br/>, and bullets \u2002 together in 
a sequence.\n<br/>\u2022 Our goal is to use RegEx to identify the sequences."""

type(my_string)     #string 

re.findall('\n<br/>', my_unicode)

re.findall('\n<br/>', my_string)

re.findall('\n<br/>\u2022', my_unicode)

re.findall('\n<br/>\u2022', my_string)

re.findall('\n<br/>\\\\u', my_unicode)

re.findall('\n<br/>\\\\u', my_string)

re.findall('\n<br/>' u'\u2022', my_unicode)