HOWTO · Python

Eliminar caracteres especiales de la cadena en Python

Este tutorial explica cómo eliminar todos los caracteres especiales de la cadena en Python

En esta página

Para eliminar caracteres de una cadena de Python, primero decide cuáles quieres conservar. Una comprensión o filter() con str.isalnum() conserva letras y dígitos Unicode; una expresión regular puede conservar espacios, mientras que str.translate() permite seleccionar un conjunto concreto. Los ejemplos usan "Hey! What's up bro?" para mostrar cada regla. Cada ejemplo de código define su propia entrada e imprime la cadena transformada, así que puedes ejecutar cada método por separado.

Definir qué se considera un carácter especial

No existe una única regla para «carácter especial». Puede referirse solo a la puntuación, a la puntuación y los espacios en blanco, o a cualquier carácter que no sea una letra o un dígito ASCII. Elige la regla según el uso de la cadena limpia: un nombre visible puede conservar espacios, mientras que un identificador compacto quizá no.

Las cadenas de Python son Unicode. str.isalnum() reconoce letras y dígitos Unicode, por lo que puede conservar caracteres como é y 中. En cambio, un patrón escrito como [a-zA-Z0-9] abarca letras y dígitos ASCII. Por eso, los métodos siguientes producen resultados distintos si no se les aplica la misma regla de caracteres.

Eliminar caracteres no alfanuméricos con una comprensión

Usa una comprensión de cadenas con str.isalnum() cuando el resultado deba contener solo letras y dígitos. str.join() combina los caracteres conservados en una cadena nueva. Esta regla también elimina los espacios y la puntuación.

original = "Hey! What's up bro?"
cleaned = "".join(char for char in original if char.isalnum())
print(cleaned)
HeyWhatsupbro

El predicado conserva letras y dígitos Unicode, además de caracteres ASCII. Por ejemplo, mantiene una letra como é, pero omite los espacios, los apóstrofos y la puntuación.

Filtrar caracteres con filter()

La función integrada filter() aplica un predicado a cada carácter y devuelve un iterador con aquellos para los que el predicado es verdadero. Al pasar str.isalnum, se conservan las mismas letras y los mismos dígitos Unicode que con la comprensión, y str.join() convierte el iterador de nuevo en una cadena. Al igual que la comprensión, este método elimina los espacios en blanco.

original = "Hey! What's up bro?"
kept = filter(str.isalnum, original)
cleaned = "".join(kept)
print(cleaned)
HeyWhatsupbro

Usa filter() si quieres reutilizar un predicado o ya tienes uno definido. Para esta transformación sencilla de cadenas, la comprensión expresa la misma regla de forma más concisa.

Eliminar un conjunto definido de caracteres con str.translate()

Usa str.translate() cuando sepas qué caracteres quieres eliminar y quieras conservar todos los demás. str.maketrans() crea una tabla que asigna cada carácter seleccionado a su eliminación. El conjunto siguiente elimina signos de puntuación ASCII comunes; los espacios y los caracteres que no figuran en la lista permanecen sin cambios.

original = "Hey! What's up bro?"
characters_to_remove = "!@#$%^&*()_-+=<>,./?;:'\"[]{}\\|`~"
table = str.maketrans("", "", characters_to_remove)
cleaned = original.translate(table)
print(cleaned)
Hey Whats up bro

Añade o quita caracteres de characters_to_remove según los datos de entrada. Este método no elimina todos los caracteres que podrían considerarse signos de puntuación: los que no estén en la lista, incluida la puntuación no ASCII, permanecen en el resultado.

Eliminar caracteres con una expresión regular

Usa re.sub() para reemplazar cada carácter que coincida con un patrón. Este patrón conserva solo letras y dígitos ASCII, por lo que elimina tanto los espacios como la puntuación. La ilustración destacada muestra esta misma regla. Sus rangos de letras y dígitos son específicos de ASCII; si el texto contiene letras fuera de esos rangos, usa una regla compatible con Unicode.

import re

original = "Hey! What's up bro?"
pattern = r"[^a-zA-Z0-9]"
cleaned = re.sub(pattern, "", original)
print(cleaned)
HeyWhatsupbro

La evidencia de ejecución proporcionada registra que este ejemplo produjo la salida mostrada arriba. Para conservar los espacios en blanco, añade \s al conjunto permitido, como en r"[^a-zA-Z0-9\s]". Las clases de caracteres y las banderas de las expresiones regulares de Python permiten definir otras reglas, pero comprueba que el patrón elegido se ajuste al idioma y a los caracteres de tus datos.

Transformar caracteres con map() y una lambda

map() aplica una función a cada carácter y devuelve un iterador. Una lambda puede devolver el carácter original si es una letra o un dígito Unicode, o un espacio en blanco, y devolver una cadena vacía en los demás casos. Al unir esos resultados se obtiene la cadena limpia; esta regla conserva los espacios en blanco, incluidas las tabulaciones y los saltos de línea.

original = "Hey! What's up bro?"
cleaned = "".join(
    map(lambda char: char if char.isalnum() or char.isspace() else "", original)
)
print(cleaned)
Hey Whats up bro

Esta es una alternativa carácter por carácter cuando la transformación requiere una lógica más elaborada que un simple predicado de inclusión. Si la regla solo conserva letras y dígitos, usa el ejemplo con comprensión o con filter().

Elegir el método que se ajuste a tus reglas de caracteres

  • Elige una comprensión con str.isalnum() para aplicar una regla directa y legible que conserva letras y dígitos Unicode y elimina los espacios en blanco.
  • Elige filter() si quieres pasar un predicado reutilizable; en el ejemplo, aplica la misma regla de str.isalnum().
  • Elige str.translate() para eliminar un conjunto conocido de caracteres y conservar todo lo demás, incluidos los espacios en blanco y los signos de puntuación que no estén en la lista.
  • Elige re.sub() cuando un patrón describa los caracteres que quieres eliminar o conservar. Los rangos ASCII del ejemplo eliminan los espacios en blanco; adapta el patrón para texto Unicode o para conservar esos espacios.
  • Elige map() con una lambda para aplicar una transformación a cada carácter. El ejemplo conserva letras y dígitos Unicode, además de los espacios en blanco.

Si trabajas con nombres o texto en lenguaje natural, decide cómo tratar los acentos, los alfabetos no latinos y los espacios antes de limpiar la cadena. Para identificadores o datos sujetos a un protocolo, sigue exactamente el conjunto de caracteres documentado en lugar de basarte en una idea general de «caracteres especiales».