1

Имеется строка с закодированными управляющими символами ascii вроде "Информационное письмо \x07 Текст \x07 Ещё текст." Надо из неё выловить \x07 и заменить на ' '. Следующий паттерн не отлавливает, хотя в онлайн проверяльщике показывает, что должен.

pattern = [\\]x[0-9a-fA-F]{2}

Использую Пайчарм и Пайтон 3.8. Подскажите, плиз, как отлавливать такие штуки.

6
  • Управляющие символы ASCII не имеют никакого отношения к escape-последовательностям в строковых литералах
    – andreymal
    16 мар 2021 в 16:16
  • 1
    Если вам надо удалить символ с кодом 7, значит так и делайте s = s.replace('\x07', '')
    – andreymal
    16 мар 2021 в 16:16
  • Можно ещё по коду символа через ord ловить, но в целом нужно знать точный список отлавливаемых символов, тогда можно выбрать оптимальное решение, вариантов много как ловить можно.
    – CrazyElf
    16 мар 2021 в 16:20
  • @CrazyElf, как я понимаю точный список символов лежит тут в первой таблице(только там они в виде 0x07 представлены) и хотелось бы отлавливать их все. Можно их тупо захардкодить, благо их не так много, но хотелось бы более изящного решения.
    – Maeglin
    16 мар 2021 в 16:29
  • @Maeglin вы точно уверены, что вам нужно отлавливать табуляцию и перенос строки?
    – andreymal
    16 мар 2021 в 16:42

3 ответа 3

4

Если нужно найти символы с кодами меньше 0x20, можно просто указать в регулярном выражении эти символы в виде кодов \xNN как диапазон:

import re

text = "Информационное письмо \x02 Текст \x07 Ещё текст."
pattern = r"[\x00-\x19]"

print(re.findall(pattern, text))
print(re.sub(pattern, '', text))

Вывод:

['\x02', '\x07']
Информационное письмо  Текст  Ещё текст.

Но правда будет реагировать и на '\n', например (код 0x0a), и другие управляющие символы, типа таба '\t', возврата каретки '\r' и т.д. - у них у всех код меньше 0x20.

3
  • Судя по ссылке, которую дал автор вопроса, ему нужны выкосить всё, что меньше 0x20 ) По крайней мере в первой итерации решения
    – CrazyElf
    17 мар 2021 в 7:24
  • @CrazyElf а, тогда я угадал с решением)
    – insolor
    17 мар 2021 в 7:29
  • @insolor, спасибо за идею. Оказалось, что она очень хороша!
    – Maeglin
    17 мар 2021 в 18:05
1

Судя по комментарию автора, нужно просто фильтровать все ASCII символы, код которых меньше, чем код "пробела" (32). Можно это сделать так:

s = "Информационное письмо \x07 Текст \x07 Ещё текст. \x02 \x1f И прочее \x0d и прочее"
print(''.join(ch for ch in s if ord(ch) >= 32))

Или через filter тоже самое:

print(''.join(filter(lambda x: ord(x) >= 32, s)))

Вывод:

Информационное письмо  Текст  Ещё текст.   И прочее  и прочее
1
  • Спасибо! Вроде подходит для моих целей. Но как сделать тоже самое регуляркой всё ещё интересно.
    – Maeglin
    16 мар 2021 в 18:22
1

Решение проблемы с помощью регулярок заключается в функции repr().

old = repr("Информационное письмо \x07 Текст \x07 Ещё текст.")
pattern = r'\\x[0-9a-fA-F]{2}'
new = re.sub(pattern, '', old)
print(old)
print(new)

Вывод:

'Информационное письмо \x07 Текст \x07 Ещё текст.'
'Информационное письмо  Текст  Ещё текст.'
1
  • На реальном кейсе у этого метода обнаружился серьезный косяк. Все '\t', '\r','\n' и прочая фигня прописываются в своём символьном представлении. В таблице появились записи вроде "\r\n\r\n \r\n\r\nFrom: info@example.ru", что не очень удобно.
    – Maeglin
    17 мар 2021 в 18:08

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.