我目前正在使用Beautiful Soup来解析HTML文件并调用get_text()，但似乎我留下了很多\xa0 Unicode表示空格。在python2.7中是否有一种有效的方法将它们全部删除，并将它们更改为空格?我想更普遍的问题应该是，有没有办法移除Unicode格式?
我尝试使用:line = line。replace(u'\xa0'，' ')，正如另一个线程所建议的那样，但这将\xa0改为u，所以现在我到处都是“u”。)：
编辑:这个问题似乎可以通过str.replace(u'\xa0'， ' ').encode('utf-8')来解决，但是仅仅使用.encode('utf-8')而不使用replace()似乎会导致它吐出更奇怪的字符，例如\xc2。有人能解释一下吗?
当前回答
Python像识别空格字符一样识别它，所以你可以不带参数分割它，用一个普通的空格来连接:
line = ' '.join(line.split())
其他回答
Python像识别空格字符一样识别它，所以你可以不带参数分割它，用一个普通的空格来连接:
line = ' '.join(line.split())
\xa0在拉丁语1 (ISO 8859-1)中实际上是不间断空格，也叫chr(160)。你应该把它换成空格。
字符串=字符串。替换(u'\xa0'， u' ')
当.encode('utf-8')时，它将unicode编码为utf-8，这意味着每个unicode可以由1到4个字节表示。在本例中，\xa0由2字节\xc2\xa0表示。
阅读http://docs.python.org/howto/unicode.html。
请注意:这个答案在2012年，Python已经前进，你应该能够使用unicodedata。现在正常
0xA0 (Unicode)是UTF-8中的0xC2A0. .encode('utf8')只会取你的Unicode 0xA0并替换为UTF-8的0xC2A0。因此出现了0xc2…编码不是替代，正如您现在可能已经意识到的那样。
它相当于一个空格字符，所以去掉它
print(string.strip()) # no more xa0
试试这段代码
import re
re.sub(r'[^\x00-\x7F]+','','paste your string here').decode('utf-8','ignore').strip()
