Ric*_*ish 18 python beautifulsoup
我正在使用Python和BeautifulSoup 4库处理HTML,我找不到 用空格替换的明显方法.相反,它似乎被转换为Unicode非破坏空格字符.
我错过了一些明显的东西吗 什么是更换的最佳方式 使用BeautifulSoup的正常空间？
编辑添加我使用的是最新版本BeautifulSoup 4,因此convertEntities=BeautifulSoup.HTML_ENTITIESBeautiful Soup 3中的选项不可用.
Fab*_*ian 22
>>> soup = BeautifulSoup('<div>a b</div>')
>>> soup.prettify(formatter=lambda s: s.replace(u'\xa0', ' '))
u'<html>\n <body>\n <div>\n a b\n </div>\n </body>\n</html>'
小智 9
我只想用unicode替换不间断的空间.
nonBreakSpace = u'\xa0'
soup = soup.replace(nonBreakSpace, ' ')
好处是,即使您使用的是BeautifulSoup,也不需要.
诚然，这不是使用 BeautifulSoup，但今天更简单的解决方案可能是html.unescape和的某种组合unicodedata.normalize，具体取决于您的数据和您想要执行的操作。
>>> from html import unescape
>>> s = unescape('An enthusiastic member of the community')# Using the import here
>>> print(s)
>>> 'An enthusiastic member of the\xa0community'
>>> import unicodedata
>>> s = unicodedata.normalize('NFKC', s)
>>> print(s)
>>> 'An enthusiastic member of the community'
我遇到了 soup.prettify() 无法修复的 json 问题，因此它与unicodedata.normalize()一起使用：
import unicodedata
soup = BeautifulSoup(r.text, 'html.parser')
dat = soup.find('span', attrs={'class': 'date'})
print(f"date prints fine:'{dat.text}'")
print(f"json:{json.dumps(dat.text)}")
mydate = unicodedata.normalize("NFKD",dat.text)
print(f"json after normalizing:'{json.dumps(mydate)}'")
date prints fine:'03 Nov 19 17:51'
json:"03\u00a0Nov\u00a019\u00a017:51"
json after normalizing:'"03 Nov 19 17:51"'
| 归档时间： |
|
| 查看次数： |
25865 次 |
| 最近记录： |