Pythonで文字列から特殊文字・句読点・空白をすべて削除する方法

Pythonで文字列に含まれる特殊文字、句読点、空白などをまとめて削除したい場合、いくつかの簡単な方法があります。ここでは代表的な2つのアプローチを紹介します。

方法1：内包表記とisalnum()を使う

文字列を1文字ずつ反復処理し、isalnum()メソッドで英数字のみを抽出する方法です。isalnum()は、その文字がアルファベットまたは数字であればTrueを返すため、それ以外の記号や空白は自動的に除外されます。

>>> string = "Hello $#! People   Whitespace 7331"
>>> ''.join(e for e in string if e.isalnum())
'HelloPeopleWhitespace7331'

このコードでは、ジェネレータ式で条件を満たす文字だけを取り出し、''.join()で連結して新しい文字列を生成しています。シンプルで可読性が高く、追加のモジュールも不要なので、手軽に使えるのがメリットです。

方法2：正規表現（re.sub）を使う

reモジュールのre.sub(パターン, 置換後の文字列, 対象文字列)を使えば、正規表現にマッチした部分をすべて置き換えられます。英数字以外の文字（[^A-Za-z0-9]）を空文字列に置き換えることで、不要な文字を一括削除できます。

>>> import re
>>> re.sub('[^A-Za-z0-9]+', '', "Hello $#! People   Whitespace 7331")
'HelloPeopleWhitespace7331'

パターン末尾の+は「1回以上の連続」を意味するため、連続した記号や空白をまとめて処理でき、効率的です。

注意点：日本語などのマルチバイト文字の扱い

[^A-Za-z0-9]というパターンは半角英数字以外をすべて削除するため、日本語のひらがな・カタカナ・漢字も消えてしまいます。日本語を残したい場合は、isalnum()を使う方法（Unicode対応のため全角文字も保持される）か、正規表現で[^\w]や[^\w ]のようにパターンを調整してください。

どちらを選ぶべき？

• 手軽さ重視なら：isalnum()＋内包表記。標準機能だけで完結し、Unicodeにも自然に対応します。
• 柔軟性重視なら：re.sub()。残したい文字種を細かく指定できるため、複雑な条件にも対応できます。

用途に応じて使い分けることで、文字列のクリーニング処理を効率よく実装できます。