python实现去掉字符串中的\xa0、\t、\n
作者:wangbowj123
python去掉字符串中的\xa0、\t、\n
帮女朋友从网络上收集一些信息,但是发现提取出的信息中有“\xa0”,并且无法去掉,查阅了相关资料,后发现该字符表示空格。
\xa0 是不间断空白符
我们通常所用的空格是 \x20 ,是在标准ASCII可见字符 0x20~0x7e 范围内。
而 \xa0 属于 latin1 (ISO/IEC_8859-1)中的扩展字符集字符,代表空白符nbsp(non-breaking space)。
latin1 字符集向下兼容 ASCII ( 0x20~0x7e )。通常我们见到的字符多数是 latin1 的,比如在 MySQL 数据库中。
有如下信息:
'T-shirt\xa0\xa0短袖圆领衫,体恤衫\xa0,', 'V-neck\xa0\xa0V型领\xa0sleeve\xa0\xa0袖子\xa0,',
我们如何将其中的\xz0去掉呢,试了re模块的sub方法,发现没有作用,于是又开始查阅相关资料,终于解决了该问题。
方法如下:
>>> inputstring = u'\n Door:\xa0Novum \t ' >>> move = dict.fromkeys((ord(c) for c in u"\xa0\n\t")) >>> output = inputstring.translate(move) >>> output ' Door:Novum '
另外还有一种更简单的方法,利用split方法:
>>> s 'T-shirt\xa0\xa0短袖圆领衫,体恤衫\xa0' >>> out = "".join(s.split()) >>> out 'T-shirt短袖圆领衫,体恤衫'
可以发现利用translate方法、split()可以完美解决,并且还可以替换\t \n字符,由此又学到了新知识!
关于ord函数:
ord()函数是chr()函数(对于8位的ASCII字符串)或unichr()函数(对于Unicode对象)的配对函数,它以一个字符(长度为1的字符串)作为参数,返回对应的ASCII数值,或者Unicode数值,如果所给的Unicode字符超出了你的Python定义范围,则会引发一个TypeError的异常。
关于fromkeys方法:
dict中的fromkeys方法目的是创建一个只有key的字典,内部利用for循环,使三个字符的asii码值成为可迭代对象(本来的整数是不可迭代的),分别对其迭代,存入字典。
关于translate方法:
Python translate() 方法根据参数table给出的表(包含 256 个字符)转换字符串的字符, 要过滤掉的字符放到 del 参数中。接收到move返回的表(字典),之后对字符串进行替换。
join()方法:
join(): 连接字符串数组。将字符串、元组、列表中的元素以指定的字符(分隔符)连接生成一个新的字符串。可见该处用join方法真的是神来之笔,可谓绝妙!
值得注意的是,split方法中不带参数时,表示分割所有换行符、制表符、空格。
去除字符串中的\xa0不间断空白符
记录几个python解析页面时遇到的小问题解决方法
去除字符串中的\xa0不间断空白符
# 方法一:用编码转换的方式 import unicodedata s = unicodedata.normalize("NFKD", s) # 方法二:直接去除所有空白 s= ''.join(s.split()) # 方法三:自己转换编码ord方式,或替换replace等(不推荐)
xpath解析取标签下所有文字
# 取出标签下所有文字,有3种方法: # 1.用//text()取所有文字然后join; remediation = cve_page.xpath("//h2[@id='remediation']/following-sibling::p[1]//text()") remediation = ''.join(remediation).strip() # 2.用xpath('string(.)')解析; remediation = cve_page.xpath("//h2[@id='remediation']/following-sibling::p[1]") remediation=remediation[0].xpath('string(.)').strip() # 3.转换为str后用正则(不推荐)
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。