python如何识别特殊字符_Python怎么判断过滤特殊字符

问题描述：

一些文件名中包含有特殊字符(乱码的字符，或者一些未知的特殊字符)，现在想通过python来提取出这些“特别的”文件。

请问，有什么比较好的办法可以实现吗？

目前的思路：通过遍历文件名中的每个字符，并检查其Unicode编码值是否在汉字的范围内(换句话说：判断其是否是汉字)，如果不是，就提取出来

你自己先要确定“乱码”的定义，例如韩文(unicode)，如果你装了韩文字体，那是可以显示的，不是乱码，但没装的话就是问号一堆，如果是韩文(euc-kr)，在汉字系统那只是一堆无语义的汉字……可能这个举例扯远了，你觉得不会有这种情况，但我只是提醒一下会有意料之外的情况

所以，你需要一个白名单，把你允许的字符unicode范围都列出来，因为肯定不止汉字，像你列出的文件名中就有空格

另外，没必要逐个字符检查，直接用re.sub去除白名单外的字符就可以了

针对这里的问题，我们可以先将文件名解码成unicode，然后用gbk编码，如果抛出异常，说明编码失败，即文件名中存在特殊字符。下面是一个小例子：#! /usr/bin/env python

# -*- coding: utf-8 -*-

file_names = ["œ®特殊字符.txt",

"没有特殊字符.txt",

"ßååå.txt"

]

for file_name in file_names:

try:

file_name.decode("utf-8").encode("gbk")

print file_name, "..."

except UnicodeEncodeError:

print file_name, "中奖"

"""outputs:

œ®特殊字符.txt 中奖

没有特殊字符.txt ...

ßååå.txt 中奖

"""

玩蛇网文章，转载请注明出处和文章网址：https://www.iplaypy.com/wenda/wd19488.html

相关文章 Recommend