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 \xa0 Unicode 表示空格。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',' ')，正如另一个线程所建议的那样，但这将 \xa0's 更改为 u's，所以现在我到处都有“u”。):
编辑：问题似乎已解决str.replace(u'\xa0', ' ').encode('utf-8')，但只是.encode('utf-8')不这样做replace()似乎会导致它吐出更奇怪的字符，例如 \xc2 。谁能解释一下？
\xa0 实际上是 Latin1 (ISO 8859-1) 中的不间断空格，也是 chr(160)。您应该用空格替换它。
string = string.replace(u'\xa0', u' ')
当 .encode('utf-8') 时，它会将 unicode 编码为 utf-8，这意味着每个 unicode 可以用 1 到 4 个字节表示。对于这种情况，\xa0 由 2 个字节 \xc2\xa0 表示。
阅读http://docs.python.org/howto/unicode.html。
请注意：这个答案从 2012 年开始，Python 已经继续，你现在应该可以使用unicodedata.normalize了
unicodedataPython 的库中有很多有用的东西。其中之一是.normalize()功能。
尝试：
new_str = unicodedata.normalize("NFKD", unicode_str)
如果您没有得到您想要的结果，请使用上面链接中列出的任何其他方法替换 NFKD。
尝试了几种方法，总结一下，我就是这样做的。以下是从解析的 HTML 字符串中避免/删除 \xa0 字符的两种方法。
假设我们的原始 html 如下：
raw_html = '<p>Dear Parent, </p><p><span style="font-size: 1rem;">This is a test message, </span><span style="font-size: 1rem;">kindly ignore it. </span></p><p><span style="font-size: 1rem;">Thanks</span></p>'
所以让我们尝试清理这个 HTML 字符串：
from bs4 import BeautifulSoup
raw_html = '<p>Dear Parent, </p><p><span style="font-size: 1rem;">This is a test message, </span><span style="font-size: 1rem;">kindly ignore it. </span></p><p><span style="font-size: 1rem;">Thanks</span></p>'
text_string = BeautifulSoup(raw_html, "lxml").text
print text_string
#u'Dear Parent,\xa0This is a test message,\xa0kindly ignore it.\xa0Thanks'
上面的代码在字符串中生成这些字符\xa0。要正确删除它们，我们可以使用两种方法。
方法#1（推荐）： 第一个是BeautifulSoup的get_text方法，strip参数为True 所以我们的代码变成：
clean_text = BeautifulSoup(raw_html, "lxml").get_text(strip=True)
print clean_text
# Dear Parent,This is a test message,kindly ignore it.Thanks
方法#2： 另一种选择是使用python的库unicodedata
import unicodedata
text_string = BeautifulSoup(raw_html, "lxml").text
clean_text = unicodedata.normalize("NFKD",text_string)
print clean_text
# u'Dear Parent,This is a test message,kindly ignore it.Thanks'
我还在这个博客上详细介绍了这些方法，您可能想参考一下。
尝试在行尾使用 .strip()
line.strip()对我来说效果很好
尝试这个：
string.replace('\\xa0', ' ')
我遇到了同样的问题，使用 python 从 sqlite3 数据库中提取一些数据。上面的答案对我不起作用（不知道为什么），但确实如此：line = line.decode('ascii', 'ignore')但是，我的目标是删除 \xa0s，而不是用空格替换它们。
试试这个代码
import re
re.sub(r'[^\x00-\x7F]+','','paste your string here').decode('utf-8','ignore').strip()
Python 将其识别为空格字符，因此您可以split不使用 args 并通过普通空格连接：
line = ' '.join(line.split())
我在谷歌搜索无法打印字符的问题时来到这里。我使用 MySQLUTF-8 general_ci并处理波兰语。对于有问题的字符串，我必须按以下方式处理：
text=text.replace('\xc2\xa0', ' ')
这只是一种快速的解决方法，您可能应该尝试使用正确的编码设置。
0xA0 (Unicode) 在 UTF-8 中是 0xC2A0。.encode('utf8')只会取你的 Unicode 0xA0 并用 UTF-8 的 0xC2A0 替换。因此 0xC2s 的出现......编码并没有取代，正如你现在可能已经意识到的那样。
在 Beautiful Soup 中，您可以传递get_text()strip 参数，该参数从文本的开头和结尾去除空白。如果它出现在字符串的开头或结尾，这将删除\xa0或任何其他空格。Beautiful Soup 替换了一个空字符串，\xa0这为我解决了这个问题。
mytext = soup.get_text(strip=True)
它相当于一个空格字符，所以去掉它
print(string.strip()) # no more xa0
带有正则表达式的通用版本（它将删除所有控制字符）：
import re
def remove_control_chart(s):
return re.sub(r'\\x..', '', s)
你可以试试string.strip()
它对我有用！:)