如何用Python 3处理日志文件中Unicode字符串的不可打印字符？

要得到和终端cat命令一致的格式化结果，核心是模拟终端对退格符（ASCII 0x08，即\x08）的处理逻辑：遇到退格符时删除前一个有效字符。以下是纯内置的实现方案：

手动模拟终端的退格处理逻辑 #

直接遍历字符串，维护一个结果列表来动态处理字符：

def clean_control_chars(s):
    result = []
    for char in s:
        # 处理退格符(\x08)和删除键(\x7f)
        if char in ('\x08', '\x7f'):
            if result:
                result.pop()
        else:
            result.append(char)
    return ''.join(result)

使用示例 #

读取文件、处理并写回：

# 读取原始内容
with open("example.log", "r") as f:
    raw_text = f.read()

# 处理得到格式化后的字符串
cleaned_text = clean_control_chars(raw_text)
# 此时cleaned_text就是目标格式：Loading file /path_to/some_db/hold_fix_crash.db

# 写回处理后的文件
with open("processed_example.log", "w") as f:
    f.write(cleaned_text)

扩展说明 #

• 这个函数可以处理最常见的退格（\x08）和删除（\x7f）控制字符，完全依赖Python内置功能，不需要额外安装库
• 如果需要处理其他不可打印控制字符（换行、制表符之外的类型），可以在判断逻辑中添加对应的字符过滤或处理规则

内容的提问来源于stack exchange，提问作者m.raynal