python - 从字符串中删除格式

Question

我正在尝试使用 BeautifulSoup 解析来自网络的一些数据。到目前为止，我已经使用以下代码从表中获取了所需的数据:

def webParsing(canvas):
url='http://www.cmu.edu/dining/hours/index.html'
try:
    page= urllib.urlopen(url)
except:
    print 'Error while opening html file. Please ensure that you',
    print ' have a working internet connection.'
    return
sourceCode=page.read()
soup=BeautifulSoup(sourceCode)
#heading=soup.html.body.div
tableData=soup.table.tbody
parseTable(canvas,tableData)
def parseTable(canvas,tableData):
    canvas.data.hoursOfOperation=dict()
    rowTag='tr'
    colTag='td'
    for row in tableData.find_all(rowTag):
        row_text=[]
        for item in row.find_all(colTag):
            text=item.text.strip()
            row_text.append(text)
        (locations,hoursOpen)=(row_text[0],row_text[1])
        locations=locations.split(',')
        for location in locations:
            canvas.data.hoursOfOperation[location]=hoursOpen
    print canvas.data.hoursOfOperation

如您所见，第一列中的“项目”使用字典映射到第二列中的项目。数据在打印时几乎完全符合我的要求，但是在 python 中，这些字符串中有很多格式，例如 '\n' 或 '\xe9' 或 '\n\xao'。有没有办法删除所有格式？换句话说，删除所有换行符、任何代表特定编码的字符、任何代表重音字符的字符，然后只获取字符串文字？我不需要最有效或最安全的方法，我是初学者，所以最好使用最简单的方法!谢谢!

Answer 1

这里有一个技巧:您可以将其编码为 ascii，然后删除所有其余部分:

>>> 'abc\xe9'.encode('ascii', errors='ignore')
b'abc'

编辑:

啊，我忘了你也不想要标准的特殊字符。改用这个:

''.join(s for s in string if ord(s)>31 and ord(s)<126)

希望这对您有所帮助!