替换字符串的所有实例的字符串的Python

Question

现在我的输出到一个文件是这样的：

<b>Nov 22–24</b> <b>Nov 29–Dec 1</b> <b>Dec 6–8</b> <b>Dec 13–15</b> <b>Dec 20–22</b> <b>Dec 27–29</b> <b>Jan 3–5</b> <b>Jan 10–12</b> <b>Jan 17–19</b> <b><i>Jan 17–20</i></b> <b>Jan 24–26</b> <b>Jan 31–Feb 2</b> <b>Feb 7–9</b> <b>Feb 14–16</b> <b><i>Feb 14–17</i></b> <b>Feb 21–23</b> <b>Feb 28–Mar 2</b> <b>Mar 7–9</b> <b>Mar 14–16</b> <b>Mar 21–23</b> <b>Mar 28–30</b> 

我想删除所有“A”和CSS标签（< B>，</B>） 。我尝试过使用卸下摆臂和.replace功能，但我得到一个错误：

SyntaxError: Non-ASCII character '\xc2' in file -- FILE NAME-- on line 70, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details 

上面的输出是一个列表，这是我从一个webcrawling功能得到：

def getWeekend(item_url): 
    dates = [] 
    href = item_url[:37]+"page=weekend&" + item_url[37:] 
    response = requests.get(href) 
    soup = BeautifulSoup(response.content, "lxml") # or BeautifulSoup(response.content, "html5lib") 
    date= soup.select('table.chart-wide > tr > td > nobr > font > a > b') 
    return date 

我把它写入一个像这样的文件：

for item in listOfDate: 
    wr.writerow(item) 

如何删除所有标签，以便只剩下日期？

Answer 1

你已经有了一个有效的解决方案，但对于未来：

1. 使用get_text()摆脱标签

date = soup.select('table.chart-wide > tr > td > nobr > font > a > b').get_text()

使用.replace(u'\xc2',u'')摆脱Â的。 u使得u'\xc2'是一个unicode字符串。 （这可能需要一些把玩周围的编码，但对我来说get_Text()已经返回一个Unicode对象。）

（此外，可能是考虑.replace(u'\u2013',u'-')，因为现在，你有一个短破折号：P）

date = date.replace(u'\xc2',u'').replace(u'\u2013',u'-')

Answer 2

我不确定，但我认为aString.regex_replace（'toFind'，'toReplace'）应该可以工作。或者将它写入文件，然后在其上运行sed：sed -i's/toFind/toReplace/g'

Answer 3

问题是您没有从网站获取ASCII字符串。您需要将非ASCII文本转换为Python在处理它之前可以理解的内容。

Python在给定机会时将使用Unicode。如果你只是看一看，那里有很多信息。例如，你可以找到其他问题本网站上更多的帮助：

Python: Converting from ISO-8859-1/latin1 to UTF-8

python: unicode in Windows terminal, encoding used?

What is the difference between encode/decode?

Answer 4

如果你的Python 2源代码有文字非ASCII字符，如Â那么你应该为错误消息指出声明的源代码编码。把你的Python文件的顶部：

# -*- coding: utf-8 -*- 

确保文件被保存使用UTF-8编码和使用Unicode字符串与文本的工作。