Python 将长字符串转换为矩阵，并对其进行清理

我有一个很大的文本文件，它只是一个很长的字符串。这是一个巨大的文本块

此文件的原始制作者试图通过在一定数量的字母后设置

\n

选项卡，使其成为“矩阵”

string = "adfajdslfkajsddf&&adfadfladfsjdfl\nadk...fhaldkfjahsdf"

在模块

re

（可能）中使用正则表达式，如何将这个庞大字符串中的每个字符输入到它最初应该是的矩阵中

此外，字符串中还有某些垃圾字符，如“&”和“#”以及“{”。是否要使用标准模块

---

我设想，可以将原始字符串，根据“\n”标记的位置将其拆分为两个字符串，然后根据字符串的每个字符将这些字符串以某种方式放入一个numpy数组。

您可以通过两种方法来完成此操作，您可以检查每个字符是否为字母数字：

stg = "abcde123]\nefghi456}\njk{lmn789"
import numpy as np

arr = np.array([ch for line in stg for ch in line if ch.isdigit() or ch.isalpha()])

或者如果所有的垃圾都是标点符号，你可以

str.translate

：

from string import punctuation

junk = {ord(ch):"" for ch in punctuation + "\n"}


arr = np.array(list(stg.translate(junk)))

两者都将为您提供一个简单的列表：

['a' 'b' 'c' 'd' 'e' '1' '2' '3' 'e' 'f' 'g' 'h' 'i' '4' '5' '6' 'j' 'k' 'l' 'm' 'n' '7' '8' '9']

如果需要多维数组，可以在换行符上拆分：

arr = np.array([[ch for ch in line ] for line in stg.translate(junk).split()])

arr = np.array([[ch for ch in line if ch.isdigit() or ch.isalpha()] for line in stg.split()])

这将给你：

[['a' 'b' 'c' 'd' 'e' '1' '2' '3']
 ['e' 'f' 'g' 'h' 'i' '4' '5' '6']
 ['j' 'k' 'l' 'm' 'n' '7' '8' '9']]

对于python2来说，

translate

有点不同：

from string import punctuation
import numpy as np


stg = "abcde123]\nefghi456}\njk{lmn789"
arr = np.array([[ch for ch in line ] for line in stg.translate(None, punctuation).split()])
print(arr)

---

请提供预期的输出，不要忘记提及您已经尝试开发的代码。什么是有效字符或无效字符？@padraiccnningham任何字母/整数都是有效的。所有其他符号都是要删除的垃圾。这应该与

re

和if语句有关，在整个过程中迭代字符串。那么，所有标点符号都是垃圾吗？@PadraicCunningham我明白你的意思了。isalpha（）可能是解决问题的方法。值得注意的是，Python 2中支持

.translate（）

的

dict

参数，但仅作为

unicode

字符串的一种方法。因此

stg=u

可以，或者

stg=stg.decode（'utf-8'）