知识卡片
清洗是映射问题
当清理需要逐字符重映射时,可用translate表把代码点映射到替代字符串、代码点或None;None表示删除,规则集中后较易检查。例如把制表符换空格,与直接删除它含义不同。可以结合Unicode分解与属性分类生成规则,但清理目标应由数据契约决定,带音符文本不代表恶意。简单replace也可能更合适,性能需在实际负载下比较。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
- · 清洗是映射问题
原书出处 · 1 处
- · 查看原书依据
str.translate()方法。为了说明其用法,假设有如下这段混乱的字符串: >>> s = 'pytĥon\fis\tawesome\r\n' >>> s 'pytĥon\x0cis\tawesome\r\n' >>> 第一步是清理空格。要做到这步,先建立一个小型
参考来源
《Python Cookbook(第3版)中文版》第2章《字符串和文本》
- 位置:《Python Cookbook(第3版)中文版》2.12 文本过滤和清理(spine10;extracted/Python Cookbook(第3版)中文版/_epub-src/OEBPS/Text/part0008.xhtml;u035-ch02-002)。
- 结论依据:完整读取本条问题、代码与讨论;区分代码点序列、字符属性、规范化和有损清理,补充边界依官方原始文档核验。
- 原始内容:str.translate()方法。为了说明其用法,假设有如下这段混乱的字符串: >>> s = 'pytĥon\fis\tawesome\r\n' >>> s 'pytĥon\x0cis\tawesome\r\n' >>> 第一步是清理空格。要做到这步,先建立一个小型