الإزالة الانتقائية للأحرف غير ASCII

غالبًا ما يتضمن العمل مع البيانات النصية الحاجة إلى إزالة الأحرف غير ASCII، مع الحفاظ على رموز معينة مثل المسافات والفترات. على الرغم من أن طرق التصفية الأساسية قد تؤدي إلى إزالة كافة الأحرف غير ASCII، فقد لا يكون هذا أمرًا مرغوبًا فيه في بعض الحالات.

لنأخذ في الاعتبار الكود التالي:

def onlyascii(char):
    if ord(char)  127: return ''
    else: return char

يزيل هذا الرمز جميع الأحرف ذات قيم ASCII أقل من 48 أو أكبر من 127، مما يؤدي بشكل فعال إلى تجريد النص من أحرف غير ASCII. ومع ذلك، فإنه يزيل أيضًا المسافات (ASCII 32) والنقاط (ASCII 46).

لإزالة الأحرف غير ASCII بشكل انتقائي مع الحفاظ على المسافات والنقاط، يمكننا الاستفادة من وحدة string.printable في بايثون:

import string
printable = set(string.printable)
filtered_data = filter(lambda x: x in printable, data)

تحتوي مجموعة string.printable على جميع الأحرف القابلة للطباعة على النظام، بما في ذلك الأرقام والحروف والرموز والمسافات والنقاط. باستخدام هذه المجموعة كمرشح، يمكننا إزالة جميع الأحرف غير القابلة للطباعة من السلسلة.

على سبيل المثال، إذا كان لدينا السلسلة "some\x00string.with\x15 Funny Characters":

s = "some\x00string. with\x15 funny characters"
''.join(filter(lambda x: x in printable, s))

'somestring. with funny characters'