Question

在调用str（）时，如何防止python添加空格字符？我有一个使用urllib.request的屏幕抓取器/网络爬虫。我在我的内容上调用str（）。这是我的代码。

req = urllib.request.Request(national_url, headers={'User-Agent' : "Magic Browser"})
con = urllib.request.urlopen( req )

#grab html
html = con.read()
my_str = str(html)

问题是我使用正则表达式解析这个html的某些模式，而str添加了所有的空格字符，如\ n和\ t。

我的问题是如何阻止str（）函数添加这些额外的字符文字。

修改

我之前在我编写的python 2.7脚本中使用了urllib2。我把它带到了一台新电脑，但在这台电脑上开始使用python 3.6。这些正则表达式不再有效。当我将con.read（）传递给此函数时，我收到错误。我将con.read（）包装在str（）的调用中，如上所示，我在3.6中注意到，con.read（）函数添加了一大堆\ t和个n。我的问题是我如何使我的表达式工作，或禁止所有“charater文字”，也称为'\ t \ n'（我会承认我可能对这些字符使用了错误的术语）。

这在Python 2.7中有效。我切换到了python 3.6。

def parse_html_doc(str='', poke_id = 0):
    if len(str) > 0:

        poke = MyClass()
        poke.dex_num = re.search('\d+(?=<\/strong>)', str).group(0)
        poke.name = re.search('[A-Za-z]+(?=<\/h1>)', str).group(0)
        poke.hp = re.search('\d+', re.search('<th>HP<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.atk = re.search('\d+', re.search('<th>Attack<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.bdef = re.search('\d+', re.search('<th>Defense<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.spatk = re.search('\d+', re.search('<th>Sp\. Atk<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.spatk = re.search('\d+', re.search('<th>Sp\. Def<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.spd = re.search('\d+', re.search('<th>Speed<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.des = re.search('<p>.*<\/p>', str).group(0).replace('"', '""')
        poke.id = poke_id
        return poke

Answer 1

str()不创建这些字符，它们已经存在。

如果您想在字符串的开头和结尾删除\n和whitespace，那么您可以使用

s = '\n     bla 123\n 1235\n ...\n'
result = s.strip()
print(result)

> 'bla 123\n 1235\n ...'

Answer 2

看起来你想这样做：

eq = urllib.request.Request(national_url, headers={'User-Agent' : "Magic Browser"})
con = urllib.request.urlopen( req )

#grab html
html = con.read()
my_str = str(html.replace("\n", "")
my_str = my_str.replace("\t", "")

这应删除字符串中的所有空格字符。

str（）方法添加空格字符

2 个答案: