如何在Python中从字符串中删除\xa0？

Question

我有以下字符串：

 word = u'Buffalo,\xa0IL\xa060625'

我不想在那里放置 "\xa0"。如何去掉它？我想要的字符串是：

word = 'Buffalo, IL 06025

- slopeofhope

---

为什么需要移除它们？是否还有其他您要从字符串中删除的代码点？为什么不能将字符串编码为正确的编码并使用生成的字符串？ - jamessan

现在我作为一名程序员工作了3年多，再次看到这个旧问题，我意识到这是一个相当愚蠢的问题。不过，我很惊讶这个问题居然得到了这么多的投票 :) - slopeofhope

Answer 1

最可靠的方法是使用 unidecode 模块，自动将所有非ASCII字符转换为它们最接近的ASCII等效字符。

字符\xa0（不是您所述的\xa）是一个不间断空格，最接近的ASCII等效字符当然是普通空格。

import unidecode
word = unidecode.unidecode(word)

- Mark Ransom

---

好的，那么如何使用“unidecode”模块进行这种转换呢？ - martineau

@martineau 我的电脑上没有安装 unidecode，所以我不确定是否能给出一个具体的例子，但根据文档来看似乎很简单。既然你坚持…… - Mark Ransom

+1，因为我发现unidecode模块在解决只有部分工具支持Unicode的问题上非常有价值，尽管这就像火箭与蚊子之间的差距。 - DSM

@DSM 即使这个问题只涉及到非间断空格字符，我认为他们可能还有其他的 Unicode 字符，只是还没有遇到而已。任何其他的解决方案都只是在拖延难以避免的一天。 - Mark Ransom

Answer 2

如果你确定这是唯一不想要的字符，你可以使用.replace函数进行替换：

>>> word.replace(u'\xa0', ' ')
u'Buffalo, IL 60625'

如果你需要处理所有的非ascii字符，编码和替换坏字符可能是一个不错的开始...

>>> word.encode('ascii', 'replace')
'Buffalo,?IL?60625'

- mgilson

---

我不确定我对编码方法的看法。从概念上讲，这有点奇怪，因为你是从一个字符串开始将其转换为字节。 - DSM

@DSM：这有点取决于提问者为什么首先想要这样做。我能想到一些不同的原因，其中一些涉及需要ASCII字节，另一些涉及仍然需要Unicode，还有一些涉及问题本身并不是问题... - abarnert

Answer 3

您可以轻松使用unicodedata来消除所有\x...字符。

from unicodedata import normalize
normalize('NFKD', word)
>>> 'Buffalo, IL 60625'

- Amir Imani

Answer 4

这里没有 \xa。如果你尝试把它放进字符串字面值中，如果你很幸运，你会得到一个语法错误；如果你不幸，它将吞噬下一个尝试的字符，因为 \x 序列必须后跟两个十六进制数字。

你所拥有的是 \xa0，它是字符 U+00A0 的转义序列，也称为“NO-BREAK SPACE”。

我认为你想用空格替换它们，但无论你想做什么都很容易写出来：

word.replace(u'\xa0', u' ') # replaced with space
word.replace(u'\xa0', u'0') # closest to what you were literally asking for
word.replace(u'\xa0', u'')  # removed completely

- abarnert

Answer 5

以下方法可以用来去除非ASCII字符：

fixedword = word.encode('ascii','ignore')

- khelwood

---

这将删除所有空格，并使操作者得到错误的结果。 - Ned Batchelder