正規表現での特殊文字？置換

Question

pythonからpopplerを使って、PDFの読み取りを行い、正規表現による置換で整形する作業をしています。
元の文章の、ある行に、添付のような[FF]という文字が入っています。
Wordに貼り付けてみると、改ページされるので「\f」を指定しても置換（取り除く）ことができません。
どなたか、御指南いただけると助かります。
よろしくお願いいたします。

Comments

[otn]

> 添付のような[FF]という文字

それは一体何者なのですか？見たとおりの文字列なのか違うのかなど。

[shihonami]

その調べ方が分からなくて困っていました^_^;
バイナリエディターを使ったことで、あらためて改頁（\f）であることが分かりました。

Answer 1

正体を確かめるためにも該当箇所前後をテキストファイルにコピーしてバイナリエディタで開いて確認してみてはどうでしょう？
ASCIIコードが特定できれば置換可能かと思います。

若しくは一時的な編集が許されるのであれば、前後に 固有の文字列(例abc123)を一時的に追加して abc123.+abc123 でマッチさせて置換。
もしくは抜き出してファイル出力した上でバイナリエディタでコード確認し、プログラムに組み込む。

Comments

[shihonami]

Crimson_Tideさん、ありがとうございました。
バイナリエディターに考えが及ばず、困っていました。
FabBInEditなるソフトを使って確認した結果、改頁（\f）であることを確認しました。
置換ルールの中で、改頁を織り込むことが難しいので、あらかじめ除去してから、データ整形をしていくことにしました。
感謝申し上げますm(__)m

[Crimson_Tide]

正体わかって良かったです。ただ \f での除去を試された時に除去できなかったのは腑に落ちないですね。
一度の置換ルールではなくて 改頁の置換ルールを別途追加できれば楽そうですが、前処置になってしまったのは残念です。