Python 3正则表达式：如何移除字符串中的u[0-9]{4}？

为什么原代码不生效？ #

字符串的replace()方法不支持正则表达式，它只会匹配完全一致的固定文本。你写的r"u[0-9]{4}"会被当作普通字符串去匹配，原字符串里没有这个完全相同的子串，所以替换后还是原字符串。

正确实现方式 #

要通过正则表达式替换，需要使用Python标准库的re模块，用re.sub()函数完成：

import re

s = "aaau0004bbbbu0001"
# 用正则匹配"u"开头加4位数字的子串，替换为空
result = re.sub(r"u[0-9]{4}", "", s)
print(result)  # 输出：aaabbbb

特殊情况说明 #

如果你的原字符串里是实际的Unicode控制字符（比如\u0004是代表结束传输的控制符，而不是文本"u0004"），那正则需要调整为匹配对应字符，代码如下：

import re

s = "aaa\u0004bbbb\u0001"
# 匹配所有Unicode控制字符（范围\u0000-\u001F）
result = re.sub(r"[\u0000-\u001F]", "", s)
print(result)  # 输出：aaabbbb

内容的提问来源于stack exchange，提问作者Davy