使用Python移除字符串中的非断行空格

Question

我在Python中遇到了一些关于字符串的基本问题（我搞不清楚）。简单来说，我想做的是：

'# read file into a string 
myString =  file.read()

'# Attempt to remove non breaking spaces 
myString = myString.replace("\u00A0"," ")

'# however, when I print my string to output to console, I get: 
Foo **<C2><A0>** Bar

我以为“\u00A0”是表示不换行空格的unicode转义码，但显然我没有正确使用。你们有什么想法我哪里出错了吗？

Answer 1

不，u"\u00A0" 是表示不换行空格的转义代码。"\u00A0" 则是6个字符，并不是任何转义代码。可以看看这个链接。

Answer 2

我在给一个老问题添加另一个答案时有点犹豫，但因为在Python3中，Unicode的“非换行空格”字符被视为空白字符，而且字符串默认就是Unicode格式，所以你可以通过使用 join 和 split 来去掉字符串 s 中的非换行空格，方法如下：

s = ' '.join(s.split())

当然，这样做也会改变其他的空白字符（比如制表符、换行符等）。你可以在维基百科的 空白字符 页面找到会被改变的Unicode字符的列表。

请注意，这仅适用于Python3。

Answer 3

你现在手里的是一个UTF-8格式的字节列表，而不是一个unicode字符串（在Python 2.x中，字符串就是字节）。

你可以试试

myString = myString.replace("\xc2\xa0", " ")

更好的办法是切换到unicode格式——可以参考这篇文章来获取一些想法。所以你可以这样写

uniString = unicode(myString, "UTF-8")
uniString = uniString.replace(u"\u00A0", " ")

这样也应该能正常工作（注意：我现在没有Python 2.x可用），不过在把内容写入文件或打印到屏幕时，你需要把它再转换回字节（也就是二进制格式）。