¿Cómo eliminar todas las secuencias de escape de una lista de cadenas?

Question

Quiero eliminar todos los tipos de secuencias de escape de una lista de cadenas. ¿Cómo puedo hacer esto? de entrada:

['william', 'short', '\x80', 'twitter', '\xaa', '\xe2', 'video', 'guy', 'ray'] 

de salida:

['william', 'short', 'twitter', 'video', 'guy', 'ray'] 

http://docs.python.org/reference/lexical_analysis.html#string-literals

Answer 1

Algo como esto?

>>> from ast import literal_eval 
>>> s = r'Hello,\nworld!' 
>>> print(literal_eval("'%s'" % s)) 
Hello, 
world! 

Editar: ok, eso no es lo que desea. Lo que quiere no se puede hacer en general, porque, como explicó @Sven Marnach, las cadenas de caracteres en realidad no contienen secuencias de escape. Esas son solo notación en cadenas literales.

Puede filtrar todas las cadenas con caracteres no ASCII de su lista con

def is_ascii(s): 
    try: 
     s.decode('ascii') 
     return True 
    except UnicodeDecodeError: 
     return False 

[s for s in ['william', 'short', '\x80', 'twitter', '\xaa', 
      '\xe2', 'video', 'guy', 'ray'] 
if is_ascii(s)] 

Answer 2

Se puede filtrar "palabras" que no son alfanuméricos con una lista por comprensión y str.isalnum():

>>> l = ['william', 'short', '\x80', 'twitter', '\xaa', '\xe2', 'video', 'guy', 'ray'] 
>>> [word for word in l if word.isalnum()] 
['william', 'short', 'twitter', 'video', 'guy', 'ray'] 

Si también desea filtrar los números, use str.isalpha() en su lugar:

>>> l = ['william', 'short', '\x80', 'twitter', '\xaa', '\xe2', 'video', 'guy', 'ray', '456'] 
>>> [word for word in l if word.isalpha()] 
['william', 'short', 'twitter', 'video', 'guy', 'ray'] 

Answer 3

Esto no se puede hacer, al menos en el amplio alcance que está solicitando. Como otros han mencionado, python en tiempo de ejecución no conoce la diferencia entre el algo con secuencias de escape y algo sin él.

Ejemplo:

print ('\x61' == 'a') 

grabados True. Por lo tanto, no hay forma de encontrar la diferencia entre estas dos cadenas, a menos que intente realizar un análisis estático de su secuencia de comandos python.

Answer 4

Si desea que se deben eliminar algunos caracteres que no le gusta, puede utilizar la función de translate para despojar a cabo:

>>> s="\x01\x02\x10\x13\x20\x21hello world" 
>>> print(s) 
!hello world 
>>> s 
'\x01\x02\x10\x13 !hello world' 
>>> escapes = ''.join([chr(char) for char in range(1, 32)]) 
>>> t = s.translate(None, escapes) 
>>> t 
' !hello world' 

Esto se tira a cabo todos estos caracteres de control:

001 1  01 SOH (start of heading) 
    002 2  02 STX (start of text) 
    003 3  03 ETX (end of text) 
    004 4  04 EOT (end of transmission) 
    005 5  05 ENQ (enquiry) 
    006 6  06 ACK (acknowledge) 
    007 7  07 BEL '\a' (bell) 
    010 8  08 BS '\b' (backspace) 
    011 9  09 HT '\t' (horizontal tab) 
    012 10 0A LF '\n' (new line) 
    013 11 0B VT '\v' (vertical tab) 
    014 12 0C FF '\f' (form feed) 
    015 13 0D CR '\r' (carriage ret) 
    016 14 0E SO (shift out) 
    017 15 0F SI (shift in) 
    020 16 10 DLE (data link escape) 
    021 17 11 DC1 (device control 1) 
    022 18 12 DC2 (device control 2) 
    023 19 13 DC3 (device control 3) 
    024 20 14 DC4 (device control 4) 
    025 21 15 NAK (negative ack.) 
    026 22 16 SYN (synchronous idle) 
    027 23 17 ETB (end of trans. blk) 
    030 24 18 CAN (cancel) 
    031 25 19 EM (end of medium) 
    032 26 1A SUB (substitute) 
    033 27 1B ESC (escape) 
    034 28 1C FS (file separator) 
    035 29 1D GS (group separator) 
    036 30 1E RS (record separator) 
    037 31 1F US (unit separator) 

Answer 5

tuve problemas similares, mientras que la conversión de hexadimal a String.This es lo que finalmente trabajó en Python Ejemplo

list_l = ['william', 'short', '\x80', 'twitter', '\xaa', '\xe2', 'video', 'guy', 'ray'] 
decode_data=[] 
for l in list_l: 
    data =l.decode('ascii', 'ignore') 
    if data != "": 
     decode_data.append(data) 

# output :[u'william', u'short', u'twitter', u'video', u'guy', u'ray']