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代表空格的\ xa0 Unicode.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？我想更普遍的问题是,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,但是将\ xa0改为你的,所以现在我到处都是"u".):
编辑:问题似乎解决了str.replace(u'\xa0', ' ').encode('utf-8'),但只是.encode('utf-8')没有replace()似乎导致它吐出甚至更奇怪的字符,例如\ xc2.有谁能解释一下？
我想检查一个字符串是否是ASCII格式.
我知道ord(),但是当我尝试时ord('é'),我有TypeError: ord() expected a character, but string of length 2 found.我知道它是由我构建Python的方式引起的(如ord()文档中所述).
还有其他方法可以检查吗？
我正在尝试使用名为bidi的Python包.在这个包中的模块(algorithm.py)中,有一些行给出了错误,尽管它是包的一部分.
以下是这些行:
# utf-8 ? we need unicode
if isinstance(unicode_or_str, unicode):
text = unicode_or_str
decoded = False
else:
text = unicode_or_str.decode(encoding)
decoded = True
这是错误信息:
Traceback (most recent call last):
File "<pyshell#25>", line 1, in <module>
bidi_text = get_display(reshaped_text)
File "C:\Python33\lib\site-packages\python_bidi-0.3.4-py3.3.egg\bidi\algorithm.py", line 602, in get_display
if isinstance(unicode_or_str, unicode):
NameError: global name 'unicode' is not defined
我应该如何重写这部分代码,以便它在Python3中工作？如果有人使用Python 3的bidi包,请告诉我他们是否发现了类似的问题.我感谢您的帮助.
我有一个看起来像这样的字符串:
6Â 918Â 417Â 712
修剪这个字符串的明确方法(据我理解Python)只是说字符串在一个名为的变量中s,我们得到:
s.replace('Â ', '')
这应该够了吧.但当然它抱怨'\xc2'文件blabla.py 中的非ASCII字符未编码.
我永远不会理解如何在不同的编码之间切换.
这是代码,它实际上与上面相同,但现在它在上下文中.该文件在记事本中保存为UTF-8,并具有以下标头:
#!/usr/bin/python2.4
# -*- coding: utf-8 -*-
代码:
f = urllib.urlopen(url)
soup = BeautifulSoup(f)
s = soup.find('div', {'id':'main_count'})
#making a print 's' here goes well. it shows 6Â 918Â 417Â 712
s.replace('Â ','')
save_main_count(s)
它不过是s.replace......
我正在使用.txt文件.我想要一个文件的字符串,没有非ASCII字符.但是,我想留下空格和句号.目前,我也正在剥离它们.这是代码:
def onlyascii(char):
if ord(char) < 48 or ord(char) > 127: return ''
else: return char
def get_my_string(file_path):
f=open(file_path,'r')
data=f.read()
f.close()
filtered_data=filter(onlyascii, data)
filtered_data = filtered_data.lower()
return filtered_data
我应该如何修改onlyascii()以留出空格和句点？我想这不是太复杂但我无法弄明白.
我用来跑
$s =~ s/[^[:print:]]//g;
在Perl上摆脱不可打印的字符.
在Python中没有POSIX正则表达式类,我不能写[:print:]让它意味着我想要的东西.我知道在Python中无法检测字符是否可打印.
你会怎么做？
编辑:它也必须支持Unicode字符.string.printable方式很乐意将它们从输出中剥离出来.对于任何unicode字符,curses.ascii.isprint都将返回false.
加入清单:
>>> ''.join([ str(_) for _ in xrange(10) ])
'0123456789'
join 必须采取迭代.
显然,join这个论点是[ str(_) for _ in xrange(10) ],这是一个列表理解.
看这个:
>>>''.join( str(_) for _ in xrange(10) )
'0123456789'
现在,join这个论点只是str(_) for _ in xrange(10),不[],但结果是一样的.
为什么？是否str(_) for _ in xrange(10)也会产生一个列表或一个可迭代？
我在python2.7中有一个像这样的字符串,
This is some \u03c0 text that has to be cleaned\u2026! it\u0027s annoying!
我怎么把它转换成这个,
This is some text that has to be cleaned! its annoying!
我经常使用包含以下字符的utf-8文本:
\ XC2\X99
\ XC2\X95
\ XC2\X85
等等
这些字符混淆了我使用的其他库,因此需要更换.
什么是有效的方法,而不是:
text.replace('\xc2\x99', ' ').replace('\xc2\x85, '...')
我无法将以下Unicode转换为ASCII而不会丢失数据:
u'ABRA\xc3O JOS\xc9'
我试过了encode,decode他们不会这样做.
有没有人有建议？