python - 如果出现，则在分隔符上拆分列表的字符串

Question

我从网页(在 codecademy.com 的一个项目中)获取 HTML 代码。提取结果是一个文本。我把它分成了一个列表。

问题:某些结果包含 Unicode 字符，我想从它们出现的字符串中删除这些字符。

['Normal String', 'Company\xc2\xae', 'againnormal', '\xc2\xb7']

结果应该是这样的:

['Normal String', 'Company', 'againnormal', '']

或者理想情况下是这样的

['Normal String', 'Company', 'againnormal']

Answer 1

怎么样

>>> stuff = ['Normal String', 'Company\xc2\xae', 'againnormal', '\xc2\xb7']
>>> filter(None, [x.decode('utf8').encode('ascii', 'ignore') for x in stuff])
['Normal String', 'Company', 'againnormal']

或者使用正则表达式

>>> import re
>>> filter(None, [re.sub(r'[^\x00-\x7F]+', '', x) for x in stuff])
['Normal String', 'Company', 'againnormal']

没有列表理解:

keep = []
for item in stuff:
    item = item.decode('utf8').encode('ascii', 'ignore')
    if item:
        keep.append(item)