beautifulsoup4 去除各种特殊字符

       在使用Python爬虫的时候，对于 html 中存在很多空行，空格的处理问题。
       很多文章是存 word 中直接复制到到网页上的，对于这种方式编辑的 html 结构可能比较混乱。如何净化或者说格式化这种 html，快速过滤出换行符、空格、中文空格等。

在jupyter notebook里面，以下为步骤：

1.首先 import re

2.其次 a = re.compile(r'\n|&nbsp|\xa0|\\xa0|\u3000|\\u3000|\\u0020|\u0020|\t|\r')
        clean_str = a.sub('', str)

其中 str为你需要去除特殊字符的字符串，clean_str 为清除特殊字符后得到的字符串。