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
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)
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())
试试这个:
string.replace('\\xa0', ' ')
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。
它相当于一个空格字符，所以去掉它
print(string.strip()) # no more xa0
Python的unicodedata库中有很多有用的东西。其中之一是.normalize()函数。
Try:
new_str = unicodedata.normalize("NFKD", unicode_str)
如果你没有得到你想要的结果，用上面链接中列出的任何其他方法替换NFKD。
