Python 如何删除'\xe2&x27；从列表中

我是python新手，在我的项目中使用它来使用nltk。对从网页获得的原始数据进行word标记后，我得到了一个包含“\xe2”、““\xe3”、““\x98”等的列表。但是我不需要这些，我想删除它们

我只是试了一下

if '\x' in a

及

它给我一个错误，说无效\x转义

但是当我尝试正则表达式时

re.search('^\\x',a)

我明白了

回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
打印重新搜索（'^\\x'，a）
文件“C:\Python26\lib\re.py”，第142行，搜索中
返回编译（模式、标志）。搜索（字符串）
文件“C:\Python26\lib\re.py”，第245行，在编译中
raise错误，v#表达式无效
错误：假转义：'\\x'

即使重新搜索（'^\\x'，a）也无法识别它

我对此感到困惑，甚至谷歌搜索也没有帮助（我可能遗漏了一些东西）。请给出从列表中删除这些字符串的简单方法，以及上面的错误

---

提前谢谢

'\xe2'

是一个字符，

\x

是一个转义序列，后跟一个十六进制数，用于逐字指定字节。
这意味着您必须指定整个表达式：

>>> s = '\xe2hello'
>>> print s
'\xe2hello'
>>> s.replace('\xe2', '')
'hello'

---

更多信息可以在中找到。

您可以使用

unicode（a'ascii'，ignore'）

一次删除字符串中的所有非ascii字符。

这有助于理解字符串文字和字符串之间的区别

字符串文本是源代码中的一个字符序列。当Python解释器进行解析和编译时，它会生成一个字符串，这是内存中的一个字符序列

例如，字符串literal

“

a

”

生成字符串

a

字符串文字可以采用多种形式。所有这些都产生相同的字符串

a

：

"a"
'a'
r"a"
"""a"""
r'''a'''

源代码传统上仅为ASCII码，但我们希望它包含可以生成ASCII码以外字符的字符串文字。为此，可以使用转义。例如，字符串文字

“\xe2”

生成一个字符串，其中一个字符的整数值为E2十六进制或226十进制

这解释了关于

“\x”

是无效转义的错误：解析器希望您指定字符的十六进制值

要检测字符串是否在某个范围内包含任何字符，可以使用正则表达式和字符类，指定不需要的字符的上下限：

if re.search(r"[\x90-\xff]", a):

---

让我们往后退一步，想一想这件事

您正在使用nltk（自然语言工具包）解析（大概）自然语言

您的

'\xe2'

很可能用扬抑符（–）表示U+00E2拉丁文小写字母A。
您的

“\xe3”

很可能用波浪号（ã）表示U+00E3拉丁文小写字母A

---

在我看来，它们就像自然语言字母。您确定不需要它们吗？

我看到其他答案很好地解释了您对

'\x'

的困惑，但尽管建议您可能不想完全删除非ASCII字符，但除了删除之外，还没有提供其他规范化的具体方法

如果您希望获得一些“相当接近的ASCII字符”（例如，从字母中去掉重音符号，但保留基础字母，&c），可能会有所帮助——仅使用标准Python库的公认答案中的代码是：

import unicodedata

def strip_accents(s):
   return ''.join(c for c in unicodedata.normalize('NFD', s)
                  if unicodedata.category(c) != 'Mn')

当然，您需要将此函数应用于标题中提到的列表中的每个字符串项，例如

cleanedlist = [strip_accents(s) for s in mylist]

---

如果

mylist

中的所有项目都是字符串。

如果只想输入此模式并避免错误

您可以尝试在\和x之间插入一个+，如下所示：

re.search('\+x[0123456789abcdef]*',a)

---

嗨，谢谢你的回复！实际上，我正试图从网页中提取数字，所以我不需要拉丁字符。@pythonisgr8:（1）您正在使用nltk提取数字？？（2） “拉丁语”并不意味着“口音”；注释中几乎所有的字符都是“拉丁”（3）如果您只提取数字，那么

'abracadabra'

中的

'a'

字母是否带有重音并不重要；您不需要删除您不想要的字符来提取您想要的字符。也许你应该问另一个问题，描述你正在尝试做什么。嗨，谢谢你的回答！这真是太好了！！虽然正则表达式更适合我的项目。我喜欢这个解决方案，但是你知道Python 3的单行替代品吗？谢谢你的回复！虽然我目前不需要非ASCII字符，因为我正在提取数字及其上下文，但您的答案在将来可能会有所帮助！！

cleanedlist = [strip_accents(s) for s in mylist]

re.search('\+x[0123456789abcdef]*',a)