s = '*\/:?"<>|' #这9个字符在Windows系统下是不可以出现在文件名中的
str1 = '\巴拉<1"!11【】>1*hgn/p:?|' #样例

方法1.

提取感兴趣（想要）的字符

a = re.findall('[\u4e00-\u9fa5a-zA-Z0-9]+',str1,re.S) #只要字符串中的中文，字母，数字
a = "".join(a)
print(a)

结果如下：

巴拉1111hgnp

方法2.

只去除不想要的，比如只去除不能作为文件名的字符

a = re.findall(r'[^\*"/:?\\|<>]',str1,re.S) 
a = "".join(a)
print(a)

结果如下：

巴拉1!11【】1hgnp

方法三、

因为训练word2vec模型，需要处理数据集发现其中有很多特殊符号，所以使用python3python3进行了数据预处理，去除了预料中的特殊符号，这里使用unicode加正则表示式来进行相关的匹配。

import re
string = "12345464我不是药神123456abcdefgABCVDFF？/ ，。,.:;:''';'''[]{}()（）《》"
print(string)
12345464我不是药神123456abcdefgABCVDFF？/ ，。,.:;:''';'''[]{}()（）《》
sub_str = re.sub(u"([^\u4e00-\u9fa5\u0030-\u0039\u0041-\u005a\u0061-\u007a])","",string)
print(sub_str)
12345464我不是药神123456abcdefgABCVDFF

正则表达式的使用

             函数                                                                  说明
sub(pattern,repl,string)                        把字符串中的所有匹配表达式pattern中的地方替换成repl
[^**]                                                     表示不匹配此字符集中的任何一个字符
sub(pattern,repl,string)                        把字符串中的所有匹配表达式pattern中的地方替换成repl
[^**]                                                     表示不匹配此字符集中的任何一个字符
\u4e00-\u9fa5                                      汉字的unicode范围
\u0030-\u0039                                     数字的unicode范围
\u0041-\u005a                                     大写字母unicode范围
\u0061-\u007a                                     小写字母unicode范围