在beautifulsoup 中摆脱答案

【问题标题】：Get rid of  in beautifulsoup在beautifulsoup 中摆脱
【发布时间】：2021-09-01 12:38:35
【问题描述】：

我想删除 &shy; 部分。（&shy 是一些编码字符集中保留的代码点，目的是通过插入可见连字符来跨行分隔单词。here）但是要删除它，我的代码编辑器和 bs4 都无法识别它。例子： html示例代码代码：

<span class="lemma__main">Mut&shy;ter</span>

Python 代码：

soup = BeautifulSoup(htmlexample, 'html.parser')
print(soup.find('span', class_='lemma__main').text)

Mut<0xad>ter

注意：指的是崇高文本 3 中的空格，但与我尝试替换字符串中的空格时不完全相同，它只是不识别为一个。在解释器中它只是一个空格

response.replace(' ', '')

如果我尝试在其中替换 &shy，它也不起作用：

response.replace('&shy','')

都返回：

Mut<0xad>ter

我已经查过了here给出的解决方案

你能帮我解决这个问题吗？

【问题讨论】：

print(soup.find('span', class_='lemma__main').text.replace('\xad', '')) 为我工作。
它有效，谢谢

标签： python html beautifulsoup

【解决方案1】：

from bs4 import BeautifulSoup

html = '<span class="lemma__main">Mut&shy;ter</span>'

soup = BeautifulSoup(html, 'lxml').prettify(
    formatter=lambda x: x.replace(u'\xad', ''))
print(soup)

输出：

<html>
 <body>
  <span class="lemma__main">
   Mutter
  </span>
 </body>
</html>

【讨论】：