python中文正则表达式 如何过滤不适合文件夹命名的字符

Question

问题是这样的， 我爬虫抓取了知乎的问题，然后想要用问题作为本地保存的文件名。

可是有一些问题（如下）中包含了" / ，？"诸如此类的不能够创建文件的字符。

如何从A股/港股/新三板等五千多只股票中选择出一只大牛股？

请问如何用正则表达式过滤他们？ 或者有没有其他的办法 ？

Answer 1

新建文件夹的时候自己输入特殊的字符，windows系统会有以上的提示，我是这么做的：

import re
fileName = re.sub('[\/:*?"<>|]','-',fileName)

没有试过linux系统的，只是自己的方法，也希望能跟你一起找到更好的方法

Answer 2

要去掉不合适的字符不需要正则表达式，只要用 translate 方法就可以：

name.translate(None, "|\\?*<\":>+[]/'")

或者替换为下划线：

from string import maketrans
table = maketrans("|\\?*<\":>+[]/'", '_'* 13)
name = name.translate(table)

如果 name 是 unicode 则 table 的形式略有区别：

table = dict( (ord(c), ord('_')), for c in "|\\?*<\":>+[]/'" )

如果要删掉字符则把 ord('_') 改为 None。

另外并非合法字符构成的就是合法文件名，比如 .、nul 之类也不是合法的文件名，路径过长也不合法。