我目前正在使用Beautiful Soup来解析HTML文件并调用get_text()，但是似乎我留下了很多\xa0 Unicode表示空格。有没有一种有效的方法来删除Python 2.7中的所有元素，然后将它们更改为空格？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',' ')，如另一个线程所建议的那样，但是将\xa0更改为u，所以现在到处都是“u”。 ):
编辑:问题似乎可以通过str.replace(u'\xa0', ' ').encode('utf-8')解决，但是仅执行.encode('utf-8')而没有replace()似乎会使它吐出甚至更奇怪的字符，例如\xc2。谁能解释一下？
最佳答案
\xa0实际上是Latin1(ISO 8859-1)，也是chr(160)中的不间断空格。您应该将其替换为空格。string = string.replace(u'\xa0', u' ')
当.encode('utf-8')时，它将把unicode编码为utf-8，这意味着每个unicode可以由1到4个字节表示。在这种情况下，\xa0由2个字节\xc2\xa0表示。
阅读http://docs.python.org/howto/unicode.html。
请注意:此答案从2012年开始，Python仍在继续，您现在应该可以使用unicodedata.normalize