Supprimer tous les caractères hex de chaîne de caractères en Python

Bien qu'il existe des questions similaires, je n'arrive pas à trouver une solution pour mon cas:

Je rencontre quelques ennuyeux caractères hex dans les chaînes de caractères, par exemple

'\xe2\x80\x9chttp://www.google.com\xe2\x80\x9d blah blah#%#@$^blah'

Ce dont j'ai besoin est de supprimer ces hex \xHH caractères, et d'eux seuls, dans le but d'obtenir le résultat suivant:

'http://www.google.com blah blah#%#@$^blah'

décodage n'aide pas:

s.decode('utf8') # u'\u201chttp://www.google.com\u201d blah blah#%#@$^blah'

Comment puis-je y parvenir?

OriginalL'auteur Kludge | 2016-04-13

  1. 16

    Seulement de supprimer tous les caractères non-ASCII:

    >>> s.decode('utf8').encode('ascii', errors='ignore')
'http://www.google.com blah blah#%#@$^blah'

    Autre solution possible: 

    >>> import string
>>> s = '\xe2\x80\x9chttp://www.google.com\xe2\x80\x9d blah blah#%#@$^blah'
>>> printable = set(string.printable)
>>> filter(lambda x: x in printable, s)
'http://www.google.com blah blah#%#@$^blah'

    Ou utiliser des expressions Régulières:

    >>> import re
>>> re.sub(r'[^\x00-\x7f]',r'', s) 
'http://www.google.com blah blah#%#@$^blah'

    De choisir votre préférée.

    Je choisis la première 🙂
    Seul le second a travaillé pour moi!

    OriginalL'auteur Magnun Leno

  2. 5

    Ce ne sont pas des "caractères hex", mais la représentation interne (codé en utf-8 dans le premier cas, le point de code unicode dans le second cas) de l'unicode des caractères à GAUCHE DOUBLE guillemet " ( ' “ ') et le DROIT des GUILLEMETS' ('”'). 

    >>> s = "\xe2\x80\x9chttp://www.google.com\xe2\x80\x9d blah blah#%#@$^blah"
>>> print s
“http://www.google.com” blah blah#%#@$^blah
>>> s.decode("utf-8")
u'\u201chttp://www.google.com\u201d blah blah#%#@$^blah'
>>> print s.decode("utf-8")
“http://www.google.com” blah blah#%#@$^blah

    Que la façon de les supprimer, ils ne sont que de simples personnages ainsi une simple str.replace() fera:

    >>> s.replace("\xe2\x80\x9c", "").replace("\xe2\x80\x9d", "")
'http://www.google.com blah blah#%#@$^blah'

    Si vous voulez vous débarrasser de tous les caractères non-ascii à la fois, vous avez juste à décoder en unicode puis l'encoder au format ascii avec les "ignorer" paramètre:

    >>> s.decode("utf-8").encode("ascii", "ignore")
'http://www.google.com blah blah#%#@$^blah'
    AttributeError: 'str' object n'a pas d'attribut "décoder"
    la question est taggés avec python 2.7 et str ont un decode méthode en python 2.7 - qui a disparu en python 3 (évidemment puisque py3 chaînes unicode si le decode méthode n'aurait aucun sens - mais il existe toujours sur la py3 chaîne d'octets (type byte).

    OriginalL'auteur bruno desthuilliers

  3. 2

    Vous pouvez le faire vérifier la validité des lettres, et au lieu de taper sur tout, il est possible d'utiliser le string module. Ceux qui peuvent être utiles pour vous string.ascii_letters (contient à la fois string.ascii_lowercase et string.ascii_uppercase), string.digits, string.printable et string.punctuation.

    Je voudrais essayer string.printable premier, mais si il laisse un peu trop de personnages à travers, vous pouvez utiliser un mélange de tous les autres.

    Voici un exemple de la façon dont je le ferais:

    import string
valid_characters = string.printable
start_string = '\xe2\x80\x9chttp://www.google.com\xe2\x80\x9d blah blah#%#@$^blah'
end_string = ''.join(i for i in start_string if i in valid_characters)

    OriginalL'auteur Peter

  4. 0

    Vous pouvez utiliser décoder fin de l'encodage, tout comme ce

    s.encode('ascii', errors='ignore').decode("utf-8")

    OriginalL'auteur Manthan Koolwal