使用"ascii_letters“改进非字母符号的过滤

Question

我从字符串开头删除所有非字母符号，如下所示：

from string import ascii_letters

non_letter = ''.join(set(map(chr, range(128))) - set(ascii_letters))

mystring = '— — This is the description of'
mystring.lstrip(non_letter)

在我需要的大多数情况下，它工作得很好。但是，在上面所示的示例中，输出是— — This is the description of，即没有删除符号— — .怎么修呢？

Answer 1

可以使用正则表达式将字符串开头的非字母(拉丁文/ASCII)字母链替换为空字符串：

import re

mystring = '— — This is the description of'
trimmed = re.sub(r"^[^a-zA-Z]*", "", mystring)

Answer 2

您的non_letter定义只包含非字母的ASCII字符。(从0到127循环，选择所有不是字母的字符。)但是要删除的字符不是ASCII字符；它们的代码点在127以上。

如果您真的想只针对7位的ASCII范围，则预处理字符串以删除该范围之外的任何内容。

pure_ascii(inputstring):
    return ''.join(l for l in inputstring if ord(l) < 128)

更普遍的是，在这个千年中，可能会使用Unicode字符属性来真正针对您实际要针对的代码点。