如何从 Python 中的字符串中删除 \\xa0？

Question

我目前正在使用 Beautiful Soup 解析 HTML 文件并调用 get_text() ，但似乎我留下了很多 \xa0 Unicode 代表空格。有没有一种有效的方法可以在 Python 2.7 中删除所有这些，并将它们更改为空格？我想更笼统的问题是，有没有办法删除 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 更改为 u，所以现在我到处都有“u”。 ):

编辑：问题似乎已解决 str.replace(u'\xa0', ' ').encode('utf-8') ，但只是做 .encode('utf-8') 没有 replace() 似乎导致它吐出更奇怪的字符，\ .谁能解释一下？

原文由 zhuyxn 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

\xa0 实际上是 Latin1 (ISO 8859-1) 中的不间断空格，也是 chr(160)。您应该将其替换为空格。

string = string.replace(u'\xa0', u' ')

当.encode(‘utf-8’)时，它会将unicode编码为utf-8，这意味着每个unicode可以用1到4个字节表示。对于这种情况，\xa0 由 2 个字节 \xc2\xa0 表示。

阅读 http://docs.python.org/howto/unicode.html 。

请注意：这个答案从 2012 年开始，Python 已经向前发展，您现在应该可以使用 unicodedata.normalize

原文由 samwize 发布，翻译遵循 CC BY-SA 4.0 许可协议