使用 html2text 并在 Python 中清理一些文本答案

【问题标题】：Using html2text and clean some text in Python使用 html2text 并在 Python 中清理一些文本
【发布时间】：2015-10-18 14:42:06
【问题描述】：

我正在使用Html2Text 将 html 代码转换为文本。效果很好，但我在互联网上找不到很多示例或文档。

我是这样读取用户名的：

text_to_gain = hxs.xpath('//div[contains(@id,"yq-question-detail-profile-img")]/a/img/@alt').extract()
if text_to_gain:
        h = html2text.HTML2Text()
        h.ignore_links = True
        item['author'] = h.handle(text_to_gain[0])
else:
        item['author'] = "anonymous"

但我的输出是这样的：

u'Duncan\n\n'

当我阅读长文本或消息时，使用 \n 很有用，但对于单个字符串或某些我只想保留名称。

'Duncan'

【问题讨论】：

标签： python string python-2.7 selenium

【解决方案1】：

使用strip() 函数。这将删除所有空格。

>>> a = u'Duncan\n\n'
>>> a
u'Duncan\n\n'
>>> a.strip()
u'Duncan'
>>> str(a.strip())
'Duncan'

【讨论】：

对你来说？奇怪的是 html2text 不使用任何函数来不保留 \n
u 只是表示该字符串采用 Unicode 字符编码。参考this。
您可以使用str() 函数。可以参考this。

【解决方案2】：

你也可以这样做，只需删除字符'\n'：

>>> st = 'Duncan\n\n'
>>> st.replace('\n', '')
'Duncan'
>>>

【讨论】：