如何使用Python删除TXT文件中特殊字符、指定文本和空行

原有代码核心问题 #

• 第一个致命错误是你同时对同一个文件用读和写模式打开，open('MICnew.txt', 'w')执行的时候会直接清空文件内容，后续读操作拿到的是空内容，根本没法正常处理
• 没有加入uparrow特殊字符的过滤逻辑
• 第二次用r+模式处理空行时，文件读写指针会随着读写操作移动，逻辑混乱，无法正确覆盖写入处理后的内容
• 仅靠关键词匹配无法完全处理重复表头，容易出现漏删

调整后可用代码 #

# 要删除的关键词，匹配到对应行直接丢弃
remove_keywords = ['Trial Balance - Total Currency', 'Page:', 'Currency:', 'Balance Type:', 'ENTITY Range:', 'Ledger:', 'ENTITY:', '------------']
# 要删除的特殊字符，这里的↑就是你说的uparrow，可根据实际识别到的字符补充
special_chars = ['↑']

# 先读取源文件所有内容到内存，避免同时读写同一文件导致内容丢失
with open('MICnew.txt', 'r', encoding='utf-8', errors='ignore') as f:
    lines = f.readlines()

processed_lines = []
# 记录已出现过的表头，用于删除重复表头
seen_headers = set()

for line in lines:
    # 第一步：删除所有特殊字符
    for c in special_chars:
        line = line.replace(c, '')
    
    # 第二步：过滤空行（包括全是空格/制表符的空白行）
    if line.strip() == '':
        continue
    
    # 第三步：过滤包含指定关键词的行
    if any(keyword in line for keyword in remove_keywords):
        continue
    
    # 第四步：过滤重复表头，仅保留第一次出现的表头，后续相同行直接丢弃
    # 如果表头是固定内容，可直接把判断条件换成 line.strip() == 你的固定表头内容，匹配更准确
    if line.strip() in seen_headers:
        continue
    seen_headers.add(line.strip())
    
    processed_lines.append(line)

# 处理完成后写回文件
with open('MICnew.txt', 'w', encoding='utf-8') as f:
    f.writelines(processed_lines)

补充说明 #

• 如果你遇到的uparrow不是普通的↑符号，可以先打印异常行的字符编码确认：print([ord(c) for c in 异常行内容])，找到对应字符的Unicode编码后添加到special_chars里即可
• 处理前建议先备份原文件，避免内容丢失

内容的提问来源于stack exchange，提问作者Shri