一、背景:在爬取网络小说生成的文件中,发现有些空格没法替换,使用十六进制编辑器查看,发现这些空格字符的十六进制值是“c2a0”,其来源是网页控制的特殊字符,这是一个叫做Non-breaking space的东西,用于阻止在此处自动换行和阻止多个空格被压缩成一个。就是 。
二、替换的有效方法:使用str.replace(u'\xa0',u'')命令即可
三、示例 (1)原始文件:1.txt 显示如下:(每一行前面都有四个“c2a0”,显示为4个空格,即显示?之处) (base) [python@ELK ~]$ vi 1.txt ????第一章预言
????除了没用的肉体自杀和精神逃避,第三种自杀的态度是坚持奋斗,对抗人生的荒谬。
????这是加缪,一个存在主义大师说的,云琅非常的认同这句话。
使用:%!xxd命令进入十六进制编辑状态,显示如下: (base) [python@ELK ~]$ vi 1.txt 0000000: c2a0 c2a0 c2a0 c2a0 e7ac ace4 b880 e7ab ................ 0000010: a0e9 a284 e8a8 800a 0ac2 a0c2 a0c2 a0c2 ................ 0000020: a0e9 99a4 e4ba 86e6 b2a1 e794 a8e7 9a84 ................ 0000030: e882 89e4 bd93 e887 aae6 9d80 e592 8ce7 ................ 0000040: b2be e7a5 9ee9 8083 e981 bfef bc8c e7ac ................ 0000050: ace4 b889 e7a7 8de8 87aa e69d 80e7 9a84 ................ 0000060: e680 81e5 baa6 e698 afe5 9d9a e68c 81e5 ................ 0000070: a58b e696 97ef bc8c e5af b9e6 8a97 e4ba ................ 0000080: bae7 949f e79a 84e8 8d92 e8b0 ace3 8082 ................ 0000090: 0a0a c2a0 c2a0 c2a0 c2a0 e8bf 99e6 98af ................ 00000a0: e58a a0e7 bcaa efbc 8ce4 b880 e4b8 aae5 ................ 00000b0: ad98 e59c a8e4 b8bb e4b9 89e5 a4a7 e5b8 ................ 00000c0: 88e8 afb4 e79a 84ef bc8c e4ba 91e7 9085 ................ 00000d0: e99d 9ee5 b8b8 e79a 84e8 aea4 e590 8ce8 ................ 00000e0: bf99 e58f a5e8 af9d e380 820a ............
(2)替换代码:1.py (base) [python@ELK ~]$ vi 1.py # -*- coding:utf-8 -*- import os f=open("1.txt","r") str=f.read() str1=str.replace(u"\xa0", u'') #注意,此处"\xa0"不能输入为"\xc2\xa0"! g=open("3.txt","w",encoding="utf-8") g.write(str1)
(3)输出的新文件:3.txt 显示如下:(每一行前面的异常空格已不见了) (base) [python@ELK ~]$ vi 3.txt 第一章预言
除了没用的肉体自杀和精神逃避,第三种自杀的态度是坚持奋斗,对抗人生的荒谬。
这是加缪,一个存在主义大师说的,云琅非常的认同这句话。
|
请发表评论