使用Python写入docx文件时如何去除内容中的特殊字符？

原代码核心问题 #

• 特殊字符列表用了HTML转义值，Python中无法正确识别&对应&、<>对应<>
• 替换逻辑错误：每次仅替换单个特殊字符就新增段落，替换效果不会叠加，同时会生成大量冗余段落
• 未覆盖Mongo查询结果中可能存在的换行、制表符等不可见控制字符

修正后实现代码 #

from docx import Document

document = Document()
# 直接写原生特殊字符，不需要HTML转义
special_chars = r'_!#$%^&*()<>?/\|}{~:;[]'

document.add_heading('This is a document', 0)
for i in queryOutput:
    # 先把Mongo结果转成字符串
    content = str(i)
    # 遍历所有特殊字符，在同一个字符串上叠加替换效果
    for c in special_chars:
        content = content.replace(c, "")
    # 全部替换完成后再新增段落
    document.add_paragraph(content)

document.save('output.docx')

进阶优化方案（效率更高，适合数据量大的场景） #

如果查询结果数据量较大，循环替换效率偏低，可以用Python的str.translate方法一次性完成替换：

from docx import Document

document = Document()
special_chars = r'_!#$%^&*()<>?/\|}{~:;[]'
# 生成转换表，所有特殊字符映射为空
trans_table = str.maketrans('', '', special_chars)

document.add_heading('This is a document', 0)
for i in queryOutput:
    content = str(i).translate(trans_table)
    document.add_paragraph(content)

document.save('output.docx')

如果需要同时去除换行、制表符等空白控制字符，直接把\n、\t、\r加到special_chars字符串里即可

内容的提问来源于stack exchange，提问作者user16681015