帮助在Python中替换非ASCII字符

Question

我在Python中使用HTTPLIB2包下载了一堆HTML文件。 ''显示为'''。

<font color="#ff0000">02/12/2004Â </font> is showing while <font color="#ff0000">02/12/2004&nbsp;</font> is the desired format.

如何在Python中用'Â '替换' '？非常感谢！

Answer 1

你遇到了编码问题。不要尝试删除此字符，而是查找页面的编码，然后在阅读文件时，使用codecs module代替open()，使用正确的字符编码。

Answer 2

filtered_content = filter(lambda x: x in string.printable, content)

这解决了我的问题。谢谢！

Answer 3

s.replace('Â ', ' ');

然而，虽然我没有使用过HTTPLIB2，但我确信如果在下载HTML文件时更改了HTML文件的来源，则会出现问题。可能会出现解码问题。您使用的是哪个版本的Python？如果它是Python 3，则内容将是字节序列，而不是字符串，因此您必须指定正确的代码页来解码字节。

http://code.google.com/p/httplib2/wiki/ExamplesPython3

编辑：如果您不仅限于使用httplib2，也许您可​​以尝试使用属于Python 2.6的urllib，urllib2或httplib模块标准库？