html实体转换成xa0,HTML转义字符&npsp；表示non-breaking space \xa0

1.参考

详细解释

unicodedata.normalize('nfkd',string) 实际作用？？？

scrapy : select tag with non-breaking space with xpath

normalize-space() 实际作用？？？

in [244]: sel.css('.content')

out[244]: [

网页源代码表示为  

实际传输hex为：

不间断空格的unicode表示为 u\xa0'，保存的时候编码 utf-8 则是 '\xc2\xa0'

in [211]: for tr in response.xpath('//table[8]/tr[2]'):

...: print [u''.join(i.xpath('.//text()').extract()) for i in tr.xpath('./*')]

...:

[u'memory', u'= limited by available memory \xa0\xa0', u'no (64\xa0kb)', u'= some limit less than available memory (give max size if known)']

in [212]: u'no (64\xa0kb)'.encode('utf-8')

out[212]: 'no (64\xc2\xa0kb)'

in [213]: u'no (64\xa0kb)'.encode('utf-8').decode('utf-8')

out[213]: u'no (64\xa0kb)'

保存 csv 直接使用 excel 打开会有乱码(默认ansi gbk 打开？？？，u'\xa0' 超出 gbk 能够编码范围？？？)，使用记事本或notepad++能够自动以 utf-8 正常打开。

使用记事本打开csv文件，另存为 ansi 编码，之后 excel 正常打开。超出 gbk 编码范围的替换为'?'

3.如何处理

.extract_first().replace(u'\xa0', u' ').strip().encode('utf-8','replace')

以上就是html转义字符&npsp；表示non-breaking space \xa0的详细内容，更多关于html转义字符\xa0的资料请关注服务器之家其它相关文章！

原文链接：https://www.cnblogs.com/my8100/p/7709371.html