Python - 'ascii' 编解码器无法在位置解码字节\xbd

Question

我正在使用 LXML 从网页上抓取一些文本。一些文本包括分数。

5½

我需要将其转换为浮点格式。这些失败了:

ugly_fraction.encode('utf-8')  #doesn't change to usable format
ugly_fraction.replace('\xbd', '')  #throws error
ugly_freaction.encode('utf-8').replace('\xbd', '')  #throws error

Answer 1

unicodedata.numeric :

Returns the numeric value assigned to the Unicode character unichr as float. If no such value is defined, default is returned, or, if not given, ValueError is raised.

请注意，它只处理单个字符，而不处理字符串。因此，您仍然需要编写将由整数和小数字符组成的“带分数”转换为 float 的代码。但这很容易。例如。您只需要想出关于如何在数据中表示带分数的规则。例如，如果纯整数、纯分数和整数后跟一个中间没有空格的分数是唯一的可能性，这可行(包括为所有无效情况引发某种合理的异常):

def parse_mixed_fraction(s):
    if s.isdigit():
        return float(s)
    elif len(s) == 1:
        return unicodedata.numeric(s[-1])
    else:
        return float(s[:-1]) + unicodedata.numeric(s[-1])