从Python的字符串中剥离除字母数字字符外的所有内容

Question

使用Python从字符串中剥离所有非字母数字字符的最佳方法是什么？

这个问题的PHP变体中提供的解决方案可能会进行一些小的调整，但对我来说似乎并不是很“ pythonic”。

作为记录，我不仅要删除句点和逗号（以及其他标点符号），还希望删除引号，方括号等。

Answer 1

使用Python从字符串中剥离所有非字母数字字符的最佳方法是什么？

这个问题的PHP变体中提供的解决方案可能会进行一些小的调整，但对我来说似乎并不是很“ pythonic”。

作为记录，我不仅要删除句点和逗号（以及其他标点符号），还希望删除引号，方括号等。我只是出于好奇而对某些功能进行了计时。在这些测试中，我从字符串string.printable（内置string模块的一部分）中删除了非字母数字字符。发现使用编译'[\W_]+'和pattern.sub('', str)最快。

$ python -m timeit -s \
     "import string" \
     "''.join(ch for ch in string.printable if ch.isalnum())" 
10000 loops, best of 3: 57.6 usec per loop

$ python -m timeit -s \
    "import string" \
    "filter(str.isalnum, string.printable)"                 
10000 loops, best of 3: 37.9 usec per loop

$ python -m timeit -s \
    "import re, string" \
    "re.sub('[\W_]', '', string.printable)"
10000 loops, best of 3: 27.5 usec per loop

$ python -m timeit -s \
    "import re, string" \
    "re.sub('[\W_]+', '', string.printable)"                
100000 loops, best of 3: 15 usec per loop

$ python -m timeit -s \
    "import re, string; pattern = re.compile('[\W_]+')" \
    "pattern.sub('', string.printable)" 
100000 loops, best of 3: 11.2 usec per loop