如何删除\xa0从字符串在Python?

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

带有正则表达式的通用版本(它将删除所有控制字符):

import re
def remove_control_chart(s):
    return re.sub(r'\\x..', '', s)

其他回答

带有正则表达式的通用版本(它将删除所有控制字符):

import re
def remove_control_chart(s):
    return re.sub(r'\\x..', '', s)

在Beautiful Soup中，您可以将strip参数传递给get_text()，该参数将删除文本开头和结尾的空白。这将删除\xa0或任何其他空白，如果它出现在字符串的开头或结尾。Beautiful Soup将空字符串替换为\xa0，这为我解决了问题。

mytext = soup.get_text(strip=True)

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())

试试这段代码

import re
re.sub(r'[^\x00-\x7F]+','','paste your string here').decode('utf-8','ignore').strip()

我在这里结束，而谷歌的问题与不可打印的字符。我使用MySQL UTF-8 general_ci和处理波兰语言。对于有问题的字符串，我必须进行如下处理:

text=text.replace('\xc2\xa0', ' ')

这只是一个快速的解决方案，你可能应该尝试一些正确的编码设置。

推荐文章