从字符串中删除编码的文本

Question

这里的问题：

我复制并从文本行https://www.cboe.org/mdx/mdi/mdiproducts.aspx

样品粘贴此整个列表到一个txt文件：

BFLY - The CBOE S&P 500 Iron Butterfly Index BPVIX - CBOE/CME FX British Pound Volatility Index BPVIX1 - CBOE/CME FX British Pound Volatility First Term Structure Index BPVIX2 - CBOE/CME FX British Pound Volatility Second Term Structure Index

这些行当然在我的文本文件中看起来很正常，我用utf-8编码保存了文件。

我的目标是使用python去掉这个长列表中的符号，例如.e.g。 BFLY，VPVIX等，并将其写入到一个新的文件

我使用下面的代码读取该文件，并把它分解：

x=open('sometextfile.txt','r') 
y=x.read().split() 

我看到的问题是，有不熟悉的字符大跌眼镜他们正在影响我筛选名单的能力。例如：

print(y[0]) 
BFLY 

我猜测，这些字符必须是与编码和我试图与没有成功的编解码器模块一些不同的东西。使用.decode（'utf-8'）尝试将它用于上述变量x或y时会引发错误。我可以使用.encode（'utf-8'），这显然使事情变得更糟。

主要问题是，当我尝试循环访问列表并删除不是全部大写或包含非字母字符的任何项目时。例如：

y[0].isalpha() 
False 
y[0].isupper() 
False 

所以在这个例子中，符号BFLY最终被从列表中删除。

有趣的是，这些人物都没有出现在一个txt文件，如果我这样做：

q=open('someotherfile.txt','w') 
q.write(y[0]) 

任何帮助将不胜感激。我真的很想理解为什么在从这样的网页复制和粘贴文本时经常发生这种情况。

Answer 1

为什么不使用正则表达式？

我认为这将赶上字母大写

"[A-Z]{1,}/?[A-Z]{1,}[0-9]?" 

这是更好的。我得到了所有这些符号的列表。这是我的结果。

['BFLY', 'CBOE', 'BPVIX', 'CBOE/CME', 'FX', 'BPVIX1', 'CBOE/CME', 'FX', 'BPVIX2', 'CBOE/CME', 'FX'] 

下面的代码

import re 
reg_obj = re.compile(r'[A-Z]{1,}/?[A-Z]{1,}[0-9]?') 
sym = reg_obj.findall(a)enter code here 
print(sym)