HTML转义字符&npsp；表示non-breaking space \xa0

1.参考

Beautiful Soup and Unicode Problems

详细解释

unicodedata.normalize('NFKD',string) 实际作用？？？

Scrapy : Select tag with non-breaking space with xpath

>>> selector.xpath(u'''
... //p[normalize-space()]
... [not(contains(normalize-space(), "\u00a0"))]

normalize-space() 实际作用？？？

In [244]: sel.css('.content')
Out[244]: [

网页源代码表示为  

memory
= Limited by available memory   
No (64 KB)
= Some limit less than available memory (give max size if known)

实际传输Hex为：

不间断空格的unicode表示为 u\xa0'，保存的时候编码 utf-8 则是 '\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 available memory \xa0\xa0', u'No (64\xa0KB)', u'= Some limit less than available memory (give max size if known)']

In [212]: u'No (64\xa0KB)'.encode('utf-8')
Out[212]: 'No (64\xc2\xa0KB)'

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

保存 csv 直接使用 excel 打开会有乱码（默认ANSI gbk 打开？？？，u'\xa0' 超出 gbk 能够编码范围？？？），使用记事本或notepad++能够自动以 utf-8 正常打开。

使用记事本打开csv文件，另存为 ANSI 编码，之后 excel 正常打开。超出 gbk 编码范围的替换为'?'

3.如何处理

.extract_first().replace(u'\xa0', u' ').strip().encode('utf-8','replace')

以上就是HTML转义字符&npsp；表示non-breaking space \xa0的详细内容，更多关于HTML转义字符\xa0的资料请关注脚本之家其它相关文章！