Bagaimana untuk mengalih keluar \xa0 Ruang Tidak Pecah daripada Teks dalam Python?

Penyahpepijatan Unikod dalam Python: Mengalih keluar Ruang Tidak Pecah xa0

Apabila menghuraikan HTML dengan Beautiful Soup dan mengakses kandungan teks (menggunakan get_text( )), adalah perkara biasa untuk menemui aksara Unicode xa0, yang mewakili ruang tidak pecah. Untuk mengalih keluar ruang ini dengan berkesan dan menggantikannya dengan ruang biasa dalam Python 2.7, ikut langkah berikut:

1. Import modul unicodedata:

   <code class="python">import unicodedata</code>

   Salin selepas log masuk

2. Gunakan unicodedata.normalize() untuk mengalih keluar pemformatan Unicode:

   <code class="python">text = unicodedata.normalize('NFKD', text)</code>

   Salin selepas log masuk

3. Ganti ruang tidak pecah dengan ruang biasa:

   <code class="python">text = text.replace(u'\xa0', ' ')</code>

   Salin selepas log masuk

Memahami Proses

xa0 ialah aksara Unikod yang mewakili ruang tidak pecah dalam Latin1 (ISO 8859-1). Untuk mengalih keluar aksara khas ini dan menukarnya kepada ruang biasa, adalah penting untuk menggunakan modul unicodedata.

• unicodedata.normalize() menormalkan rentetan Unicode, menanggalkannya daripada sebarang pemformatan khas.
• Fungsi replace() kemudiannya menggantikan semua kemunculan aksara Unikod xa0 dengan aksara ruang biasa (' ').

Dengan menggabungkan langkah-langkah ini, anda boleh mengalih keluar ruang tidak pecah xa0 dengan berkesan daripada rentetan dalam Python 2.7 dan mengekalkan jarak yang diingini.

Atas ialah kandungan terperinci Bagaimana untuk mengalih keluar \xa0 Ruang Tidak Pecah daripada Teks dalam Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!