PythonとBeautifulSoup4ライブラリを使用してHTMLを処理していますが、スペースに置き換える明確な方法が見つかりません。代わりに、Unicodeの改行なしスペース文字に変換されているようです。
明らかな何かが欠けていますか？＆nbsp;を置き換える最良の方法は何ですか BeautifulSoupを使用して通常のスペースで？
編集して、最新バージョンのBeautifulSoup 4を使用していることを追加します。そのため、convertEntities=BeautifulSoup.HTML_ENTITIESBeautifulSoup3のオプションは使用できません。
>>> soup = BeautifulSoup('<div>a b</div>')
>>> soup.prettify(formatter=lambda s: s.replace(u'\xa0', ' '))
u'<html>\n <body>\n <div>\n a b\n </div>\n </body>\n</html>'
ドキュメントのエンティティを参照してください。BeautifulSoup 4は、すべてのエンティティに対して適切なUnicodeを生成します。
着信HTMLまたはXMLエンティティは、常に対応するUnicode文字に変換されます。
はい、 ノーブレークスペースの文字になります。代わりにそれらを本当にスペース文字にしたい場合は、Unicode置換を行う必要があります。
ノーブレークスペースのUnicodeを通常のスペースに置き換えるだけです。
nonBreakSpace = u'\xa0'
soup = soup.replace(nonBreakSpace, ' ')
利点は、BeautifulSoupを使用している場合でも、使用する必要がないことです。
soup.prettify（）が修正されないというjsonの問題があったため、unicodedata.normalize（）で機能しました：
import unicodedata
soup = BeautifulSoup(r.text, 'html.parser')
dat = soup.find('span', attrs={'class': 'date'})
print(f"date prints fine:'{dat.text}'")
print(f"json:{json.dumps(dat.text)}")
mydate = unicodedata.normalize("NFKD",dat.text)
print(f"json after normalizing:'{json.dumps(mydate)}'")
date prints fine:'03 Nov 19 17:51'
json:"03\u00a0Nov\u00a019\u00a017:51"
json after normalizing:'"03 Nov 19 17:51"'
確かに、これはBeautifulSoupを使用していませんが、今日のより簡単な解決策は、データと正確に実行したいことによってはhtml.unescape、との組み合わせである可能性があります。unicodedata.normalize
>>> from html import unescape
>>> s = unescape('An enthusiastic member of the community')# Using the import here
>>> print(s)
>>> 'An enthusiastic member of the\xa0community'
>>> import unicodedata
>>> s = unicodedata.normalize('NFKC', s)
>>> print(s)
>>> 'An enthusiastic member of the community'