Python3：从文本中删除特殊字符

Question

我正在使用漂亮的汤来抓取一些html / xhtml网页，如下所示：

response = requests.get(url)
soup = BeautifulSoup(response.text)
tables_list = soup.find_all("table")

但是，我的输出显示了几个我要过滤掉的特殊字符（例如Â）。我想我在解码方面缺少一些东西。

请你指点我在这里可能缺少的东西？感谢。

Answer 1

如果response.text包含您的回复，并且您想要过滤掉这些特殊字符，那么您可以做的是重新编码您的字符串，以便仅保留ascii字符（并忽略其他字符），然后解码再次，像这样（Python3）：

In [7]: text = '<tag> normal text  â˙∆¬˚∆ hello ©µµ </tag>'

In [8]: text.encode('ascii', 'ignore').decode('ascii')
Out[8]: '<tag> normal text   hello  </tag>'

为response.text执行此操作，然后您可以继续进行剩余的处理。