如何替换或删除 HTML 实体，如“ "?使用 BeautifulSoup 4

问题描述

我正在使用 Python 和 BeautifulSoup 4 库处理 HTML，但我找不到用空格替换   的明显方法.相反，它似乎被转换为 Unicode 不间断空格字符.

I am processing HTML using Python and the BeautifulSoup 4 library and I can't find an obvious way to replace   with a space. Instead it seems to be converted to a Unicode non-breaking space character.

我是否遗漏了一些明显的东西?更换   的最佳方法是什么?使用 BeautifulSoup 的普通空间?

Am I missing something obvious? What is the best way to replace   with a normal space using BeautifulSoup?

编辑以添加我使用的是最新版本 BeautifulSoup 4，因此 Beautiful Soup 3 中的 convertEntities=BeautifulSoup.HTML_ENTITIES 选项不可用.

Edit to add that I am using the latest version, BeautifulSoup 4, so the convertEntities=BeautifulSoup.HTML_ENTITIES option in Beautiful Soup 3 isn't available.

推荐答案

参见 文档中的实体.BeautifulSoup 4 为所有实体生成正确的 Unicode:

See Entities in the documentation. BeautifulSoup 4 produces proper Unicode for all entities:

传入的 HTML 或 XML 实体始终会转换为相应的 Unicode 字符.

是的，  变成了不间断的空格字符.如果您真的希望它们成为空格字符，则必须进行 unicode 替换.

Yes,   is turned into a non-breaking space character. If you really want those to be space characters instead, you'll have to do a unicode replace.

这篇关于如何替换或删除 HTML 实体，如“ "?使用 BeautifulSoup 4的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！