无法在python中使用正则表达式替换字符串中的\xe2\x80\xa6\n

我有以下字符串：

data = "pizza won't divorce you pizza won't betray you pizza won't cheat on you pizza won't fight with you  why don't people just \xe2\x80\xa6\n"

我想从中找到所有

\[a-z][a-z][0-9]\

（\xe2\x80\xa6\在

数据

字符串末尾给出）表达式，以便替换它们。我尝试了以下代码：

re.findall（r“\\[a-z][a-z][0-9]\\+”，数据）

---

但它会产生一个空列表。请提供帮助。

如果需要，您必须将字符串定义为

原始字符串，因为python将尝试转换
unicode

data = r"pizza won't divorce you pizza won't betray you pizza won't cheat on you pizza won't fight with you  why don't people just \xe2\x80\xa6\n"

print re.findall(r"\\[a-z][a-z]?[0-9]+", data)

输出：
['\\xe2'、'\\x80'、'\\xa6']
另一种解决方案：

print re.findall(r"\\[a-z]{1,2}\d{1,2}", data)

要处理文本，应使用Unicode字符串：
b”\xe2\x80\xa6“
bytestring是utf-8编码的：

要替换它：

no_ellipsis = text.replace(u"\u2026", "")

有一个名为ftfy的库可以帮助解决Unicode问题。为我节省了时间，值得一试



你的例子

data = "pizza won't divorce you pizza won't betray you pizza won't cheat on you pizza won't fight with you  why don't people just \xe2\x80\xa6\n"

import ftfy
print(ftfy.fix_text(data))

output -->
"pizza won't divorce you pizza won't betray you pizza won't cheat on you pizza won't fight with you  why don't people just …"

注
\xe2\x80\xa6\n
已替换为
..

--其他示例--

示例1

import ftfy
print(ftfy.fix_text('ünicode'))

output -->
ünicode

示例2

import ftfy
print(ftfy.fix_text('\xe2\x80\xa2'))

output -->
•

示例3

import ftfy
print(ftfy.fix_text(u'\u2026'))

output -->
…

你能补充一下你的目标是什么吗？你想要的正是..我猜字符串中的
“\xe2\x80\xa6”
是unicode--
..
。如果数据意外地具有Python bytestring文本中使用的字符转义，那么数据应该先固定在上游并转换为unicode文本：
r”\xe2\x80\xa6.decode（'string-escape'）。decode（'string-escape'）。decode（'utf-8'））
@J.F.Sebastian guess OP只是想得到一个列表
\x
unicodes…他不想转换它或者其他什么东西，P可能不理解Python源代码中字节、Unicode字符串及其文本表示之间的区别，但答案至少应该承认Python中存在更明智的文本处理方法。
import ftfy
print(ftfy.fix_text('\xe2\x80\xa2'))

output -->
•

import ftfy
print(ftfy.fix_text(u'\u2026'))

output -->
…