正则表达式 - 去掉乱码字符、提取字符串中的中英文字母 - Python代码

目录

1.乱码符号类型相对有限，可采用replace()函数处理

2.乱码字符类型较为复杂，建议使用re.sub()函数进行替换

3.从字符串中筛选出中文字符

4.从字符串中提取中文字符与数字信息

5.其他相关处理方式

在数据清洗过程中，一个常见的困扰便是数据中常常夹杂着各类乱码符号，例如！@#￥%……&——+*（）{}：“》《？|【

1.乱码符号种类较少，用replace()

当字符串中仅存在少量乱码符号时，可通过replace函数进行替换操作，鉴于我们仅需对字符串中的个别字符进行修改，因此直接采用str.replace("#","")的方式即可完成处理；

 #只有一类乱码字符串

    
 df['name'] = df['name'].str.replace("#","")
    
  
    
  
    
 #连续多个字符一起替换
    
 df['name'] = df['name'].str.replace("#","").str.replace("&","").str.replace("*","")
    
    
    
    

2.乱码字符种类较多，用re.sub()

 import re

    
 string = "北京大学beijing985大学@#￥