一尘不染

如何从python中的字符串中删除ANSI转义序列

python

这是我的字符串:

'ls\r\n\x1b[00m\x1b[01;31mexamplefile.zip\x1b[00m\r\n\x1b[01;31m'

我正在使用代码从SSH命令检索输出,并且我希望我的字符串仅包含'examplefile.zip'

如何删除多余的转义序列?


阅读 803

收藏
2020-02-21

共1个答案

一尘不染

使用正则表达式删除它们:

import re

# 7-bit C1 ANSI sequences
ansi_escape = re.compile(r'''
    \x1B  # ESC
    (?:   # 7-bit C1 Fe (except CSI)
        [@-Z\\-_]
    |     # or [ for CSI, followed by a control sequence
        \[
        [0-?]*  # Parameter bytes
        [ -/]*  # Intermediate bytes
        [@-~]   # Final byte
    )
''', re.VERBOSE)
result = ansi_escape.sub('', sometext)

或者,在没有VERBOSE标志的情况下,以压缩形式:

ansi_escape = re.compile(r'\x1B(?:[@-Z\\-_]|\[[0-?]*[ -/]*[@-~])')
result = ansi_escape.sub('', sometext)

演示:

>>> import re
>>> ansi_escape = re.compile(r'\x1B(?:[@-Z\\-_]|\[[0-?]*[ -/]*[@-~])')
>>> sometext = 'ls\r\n\x1b[00m\x1b[01;31mexamplefile.zip\x1b[00m\r\n\x1b[01;31m'
>>> ansi_escape.sub('', sometext)
'ls\r\nexamplefile.zip\r\n'

上面的正则表达式涵盖所有7位ANSI C1转义序列,但不包括8位C1转义序列打开器。后者在当今的UTF-8世界中从未使用过,在UTF-8世界中,相同范围的字节具有不同的含义。

如果你确实也需要覆盖8位代码(然后大概使用bytes值),则正则表达式将变成如下所示的字节模式:

# 7-bit and 8-bit C1 ANSI sequences
ansi_escape_8bit = re.compile(br'''
    (?: # either 7-bit C1, two bytes, ESC Fe (omitting CSI)
        \x1B
        [@-Z\\-_]
    |   # or a single 8-bit byte Fe (omitting CSI)
        [\x80-\x9A\x9C-\x9F]
    |   # or CSI + control codes
        (?: # 7-bit CSI, ESC [ 
            \x1B\[
        |   # 8-bit CSI, 9B
            \x9B
        )
        [0-?]*  # Parameter bytes
        [ -/]*  # Intermediate bytes
        [@-~]   # Final byte
    )
''', re.VERBOSE)
result = ansi_escape_8bit.sub(b'', somebytesvalue)

可以浓缩为

# 7-bit and 8-bit C1 ANSI sequences
ansi_escape_8bit = re.compile(
    br'(?:\x1B[@-Z\\-_]|[\x80-\x9A\x9C-\x9F]|(?:\x1B\[|\x9B)[0-?]*[ -/]*[@-~])'
)
result = ansi_escape_8bit.sub(b'', somebytesvalue)

有关更多信息,请参见:

  • Wikipedia上的ANSI转义代码概述
  • ECMA-48标准,第5版(尤其是第5.3和5.3节)
    你提供的示例包含4个CSI(控制序列介绍者)代码(以\x1B[或ESC[开头字节标记),并且每个示例都包含一个SGR(选择图形呈现)代码,因为它们均以结尾m。这些参数;之间的参数(以分号分隔)告诉你的终端要使用哪些图形再现属性。因此,对于每个\x1B[....m序列,使用的3个代码是:

  • 0(或00在此示例中):reset,禁用所有属性

  • 1(或01在示例中):粗体
  • 31:红色(前景)

但是,ANSI不仅仅是CSI SGR代码。仅使用CSI,你还可以控制光标,清除行或整个显示或滚动(当然,前提是终端支持此功能)。除CSI外,还有一些代码可以选择其他字体(SS2和SS3),发送“私人消息”(例如密码),与终端(DCS),操作系统(OSC)或应用程序本身(APC,这是应用程序实现将自定义控制代码搭载在通信流上),以及用于帮助定义字符串(SOS,字符串的开始,ST字符串终止符)或将所有内容重置为基本状态的其他代码(RIS)。以上正则表达式涵盖了所有这些。

请注意,上述正则表达式仅删除ANSI C1代码,而不会删除这些代码可能正在标记的任何其他数据(例如OSC打开程序和终止ST代码之间发送的字符串)。删除这些将需要在此答案范围之外的其他工作。

2020-02-21