Python清理数据

Question

我正在尝试从一个大文本文件(大约 3GB)中删除不需要的字符。我正在尝试删除整个文件中不需要的正斜杠和反斜杠。我想在单词之间保留波浪号，它充当分隔符。该文件的格式如下:

Cornet~Chris Tyle
Cornet\~Warren Vache
Cornet~Roger Webster
Cornet~\Grimethorpe Coll//iery Band
Cornet/~Daniel Rollston
Cornet~Murley Silver Band
Chocolate~Chocolate liquor
Chocolate~Theobroma cacao
Chocolate~Meso/america

所以在上面的示例中，我想删除所有的后/前斜杠，以便单词可读(同时保持波浪号)。我会为此使用 Python Regex 表达式吗？另一种可能性是只删除包含斜杠的行，但我想将其作为最后的手段。

**编辑:抱歉忘了提一件事!有些行是这样的:

Chocolate~
Chocolate~Theobroma cacao
         ~Mesoamerica

除了删除正斜杠和反斜杠之外，我还必须删除波浪号之前或之后的所有为空的行**

感谢您的帮助!

Answer 1

很简单，只需使用 str.replace()。

注意双 \\，它不是替换双反斜杠，而是一个反斜杠转义另一个反斜杠

代码:

def clean():
    with open('example.txt', 'r') as f:
        outputs = []
        for line in f:
            output = line.replace('/', '')
            output = output.replace('\\', '')
            output = output.replace('\n', '')
            outputs.append(output)
    return outputs

print(clean())

输出:

['Cornet~Chris Tyle', 'Cornet~Warren Vache', 'Cornet~Roger Webster', 'Cornet~Grimethorpe Colliery Band', 'Cornet~Daniel Rollston', 'Cornet~Murley Silver Band', 'Chocolate~Chocolate liquor', 'Chocolate~Theobroma cacao', 'Chocolate~Mesoamerica']