替换字符串Python中的所有字符串实例

Question

现在我的文件输出如下：

<b>Nov 22–24</b>   <b>Nov 29–Dec 1</b>    <b>Dec 6–8</b> <b>Dec 13–15</b>   <b>Dec 20–22</b>   <b>Dec 27–29</b>   <b>Jan 3–5</b> <b>Jan 10–12</b>   <b>Jan 17–19</b>   <b><i>Jan 17–20</i></b>    <b>Jan 24–26</b>   <b>Jan 31–Feb 2</b>    <b>Feb 7–9</b> <b>Feb 14–16</b>   <b><i>Feb 14–17</i></b>    <b>Feb 21–23</b>   <b>Feb 28–Mar 2</b>    <b>Mar 7–9</b> <b>Mar 14–16</b>   <b>Mar 21–23</b>   <b>Mar 28–30</b>   

我想删除所有的“”和css标签（、）。我尝试使用 .remove 和 .replace 函数，但出现错误：

SyntaxError: Non-ASCII character '\xc2' in file -- FILE NAME-- on line 70, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

上面的输出在一个列表中，我从一个网络爬虫函数中得到：

def getWeekend(item_url):
    dates = []
    href = item_url[:37]+"page=weekend&" + item_url[37:]
    response = requests.get(href)
    soup = BeautifulSoup(response.content, "lxml")  # or BeautifulSoup(response.content, "html5lib")
    date= soup.select('table.chart-wide > tr > td > nobr > font > a > b')
    return date

我把它写到这样的文件中：

for item in listOfDate:
    wr.writerow(item)

如何删除所有标签，只留下日期？

Answer 1

我不确定，但我认为 aString.regex_replace('toFind', 'toReplace') 应该可以工作。要么将其写入文件，然后在其上运行 sed，例如： sed -i 's/toFind/toReplace/g'

Answer 2

您已经有了一个可行的解决方案，但对于未来：

1. 使用get_text() 去除标签

date = soup.select('table.chart-wide > tr > td > nobr > font > a > b').get_text()

1. 使用.replace(u'\xc2',u'') 删除Â。 u 使 u'\xc2' 成为一个 unicode 字符串。 （这可能需要一些编码，但对我来说 get_Text() 已经返回一个 unicode 对象。）

（另外，可能考虑.replace(u'\u2013',u'-')，因为现在，你有一个破折号：P。）

date = date.replace(u'\xc2',u'').replace(u'\u2013',u'-')

Answer 3

问题是您没有来自网站的 ASCII 字符串。在操作之前，您需要将非 ASCII 文本转换为 Python 可以理解的内容。

如果有机会，Python 将使用 Unicode。如果你只是看看，那里有很多信息。例如，您可以从本网站的其他问题中找到更多帮助：

Python: Converting from ISO-8859-1/latin1 to UTF-8

python: unicode in Windows terminal, encoding used?

What is the difference between encode/decode?

Answer 4

如果您的 Python 2 源代码包含文字非 ASCII 字符，例如 Â，那么您应该按照错误消息的说明声明源代码编码。放在 Python 文件的顶部：

# -*- coding: utf-8 -*-

确保使用 utf-8 编码保存文件并使用 Unicode 字符串处理文本。