删除字符串 Python 中的 Unicode 代码 (\uxxx)

Question

我的文档中有一些 Unicode 字符串。我想要的只是删除这个 Unicode 代码或用一些空格（“”）替换它。示例=""

doc = "Hello my name is Ruth \u2026! I really like swimming and dancing \ud83c"

如何将其转换为以下内容？

doc = "Hello my name is Ruth! I really like swimming and dancing"

我已经尝试过：https://stackoverflow.com/a/20078869/5505608，但没有任何反应。我正在使用 Python 3。

Answer 1

您可以编码为 ASCII 并忽略错误（即无法转换为 ASCII 字符的代码点）。

>>> doc = "Hello my name is Ruth \u2026! I really like swimming and dancing \ud83c"
>>> doc.encode('ascii', errors='ignore')
b'Hello my name is Ruth ! I really like swimming and dancing '

如果尾随空格困扰您，strip 将其关闭。根据您的用例，您可以使用 ASCII 再次解码结果。链接所有内容如下所示：

>>> doc.encode('ascii', errors='ignore').strip().decode('ascii')
'Hello my name is Ruth ! I really like swimming and dancing'