點擊右邊

HTML本義字符&npsp;透露表現non-電子老虎機娛樂城 breaking space \xa0

Beautiful Soup and Unicode Problems

具體詮釋

unicodedata.normalize(‘NFKD’,string) 現實作用???

Scrapy : Select tag with non-breaking space with xpath

>>> selector.xpath(u”’
… //p[normalize-space()]
… [not(contains(normalize-space(), 公眾\u00a0″大眾))]

normalize-space() 現實作用???

In [244]: sel.css(‘.content’)
Out[244]: [<Selector xpath=地下539公式u公眾descendant-or-self::*[@class and contains(concat(‘ ‘, normalize-space(@c線上麻將賭博lass), ‘ ‘), ‘ content ‘)]”大眾 data=u'<pexternal nofollow”大眾 target=”大眾_blank公眾 href=公眾https://en.wikipedia.org/wiki/Comparison_of_text_editors公眾>https://en.wikipedia.org/wiki/Comparison_of_text_editors

定位元素顯示為 &npsp;

網頁源代碼透露表現為  

<tr>
<td>memory</td>
<td>= Limited by available memory   </td>
<td>No (64 KB)</td>
<td>= Some limit less than available memory (give max size if known)</td>
</tr>
</table>

現實傳輸Hex為:

不間斷空格的unicode透露表現為 u\xa0’,保管的時辰編碼 utf-8 則是 ‘\xc2\xa0’

In [211]: for tr in response.xpath(‘//table[8]/tr[2]’):
…: print [u”.join(i.xpath(‘.//text()’).extract()) for i in tr.xpath(‘./*’)]
…:

[u’memory’, u’= Limited by a六合彩玩法规则vailable memory \xa0\xa0′, u’No (64\xa0KB)’, u’= Some limit less than available memory (give max size if kn真人線上麻將own)’]

In [212]: u’No (64\xa0KB)’.encode(‘utf-8’)
Out[212撲克牌妞妞作弊]: ‘No (64\xc2\xa0KB)’

In [213]: u’No (64\xa0KB)’.encode(‘utf-8’).decode(‘utf-8’)
Out[213]: u’No (64\xa0KB)’

保管 csv 間接使用 excel 關上會有亂碼(默許ANSI gbk 關上???,u’\xa0′ 越過 gbk 可以或許編碼規模???),使用記事本或者notepad++可以或許主動以 utf-8 正常關上。

使用記事本關上csv文件,另存為 ANSI 編碼,以后 excel 正常關上。越過 gbk 編碼規模的替代為’?’

3.若何處置

.extract_first().replace(u’\xa0′, u’ ‘).strip().encode(‘utf-8′,’replace’)

【免責聲明】本站內容轉載自互聯網,其相關談吐僅代表作者小我私家概念盡非權勢巨子,不代表本站態度。如您發明內容存在版權成績,請提交相關鏈接至郵箱:,咱們將實時予以處置。