Python 使用Regex从TSV文件中删除特殊字符

我有一个名为“X.tsv”的文件，我想在将特殊字符（包括双空格）（不包括.Single spaces Tabs/-）导出到python中的子文件之前，使用正则表达式删除它们

我想在下面的代码中实现它

import pandas as pd 
import csv
from itertools import chain, combinations 
df = pd.read_table('xa.tsv')
def all_subsets(ss): 
    return chain(*map(lambda x: combinations(ss,x), range(0, len(ss) + 1)))

cols = [x for x in df.columns if not x == 'acm_classification'    if not x== 'publicationId'    if not x== 'publisher'    if not x== 'publication_link'    if not x== 'source'] # Exclude Extra Cols
subsets = all_subsets(cols)
for subset in subsets: 
    if len(subset) > 0: #
        df1 = df[list(subset) + ['acm_classification']]
        df1.to_csv('_'.join(subset) + '.csv', index=False) 

---

您可以使用

read\u csv（）

来帮助加载TSV文件。然后，您可以指定要保留的列，并使用

\t

作为分隔符：

import pandas as pd
import re

def normalise(text):
    text = re.sub('[{}]'.format(re.escape('",$!@#$%^&*()')), ' ', text.strip())  # Remove special characters
    text = re.sub(r'\s+', ' ', text)        # Convert multiple whitespace into a single space
    return text

fieldnames = ['title', 'abstract', 'keywords', 'general_terms', 'acm_classification']
df = pd.read_csv('xa.tsv', delimiter='\t', usecols=fieldnames, dtype='object', na_filter=False)
df = df.applymap(normalise)
print(df)

然后可以使用

df.applymap（）

将函数应用于每个单元格，以根据需要对其进行格式化。在本例中，它首先删除任何前导或尾随空格，将多个空格字符转换为单个空格，并删除特殊字符列表

---

保存之前，可以使用

all_subsets（）

函数进一步处理生成的数据帧。

请在问题中添加一个示例TSV文件，并显示生成的输出文件的外观。这是表格，我想删除所有的特殊字符（单空格。-）谢谢。你能扩展你对特殊字符的定义吗？i、 举例说明。@MartinEvans如“，$！@$%^&*（）