治疗'\xa0'；在python中作为正则表达式中的空格

我正在使用Selenium和BS4构建一个web scraper来获取数据。我使用Selenium在页面完全加载后获得html。然后，我使用Selenium中打开的页面的page_源创建一个BeautifulSoup对象。之后，我开始解析html以查找页面上的特定元素。我需要使用正则表达式来解析一些字符串。但是，某些非中断空格（并非全部）被视为“\xa0”字符。这给python的正则表达式搜索带来了一个问题（它不会将这些搜索视为空格）

例如，我有以下字符串：

import re
import unicodedata
testString ="JM Wing\xa0- ...\xa0Transactions of the Royal Society A\xa0..., 2008 - royalsocietypublishing.org"

根据我在网上发现的情况，我尝试了以下几种解决方案，但它们似乎都不起作用。（请注意，原始html.page_源返回一个bytes对象，因此我尝试使用decode

testString = testString.replace(u'\xa0', u' ').encode('utf-8') #turns string into bytes
testString = testString.decode(encoding="utf-8",errors="ignore") #must be a bytes object
testString = unicodedata.normalize("NFKD", testString)

无论我怎么做，我似乎都无法摆脱“\xa0”字符，正则表达式也不会将这些字符视为空格。知道如何解决这个问题吗？我希望我的汤对象是utf-8，因为我可能要处理来自多种语言的字符。但我真的需要将这些字符转换为空格，以便我可以使用正则表达式解析这些字符串在html中没有语义标记

编辑：我可以运行以下命令并获得我想要的字符串，但是捕获括号似乎不能得到我想要的部分（因此我得到了字符串前后的“-…\ax0”和“，”

---

这将返回“…\xa0皇家学会的交易A\xa0…，”。理想情况下，我只想得到括号中应该表示的“交易…社会”一词。奇怪的是，我只能通过re.search（）得到这个结果。相反，re.findall（）得到这个结果只返回一个空字符串。

我找到了一个解决方案。由于第一次遇到的字符串是html，因此所讨论的空格实际上是

，因此，在删除html并将其转换为汤之前，我使用以下代码替换

，然后将其转换为字节字符串

html = html.replace(" ",' ').encode('utf-8')

这似乎可以消除\xa0的所有实例

---

奇怪的问题是，正则表达式中的捕获括号仍然不起作用，如果我使用re.findall，我会得到一个空字符串。

这能回答你的问题吗？@CAustin，不幸的是，我在该页面上尝试了这些建议，但运气不佳（请注意，3个主要建议就是我上面列出的3个）

html = html.replace(" ",' ').encode('utf-8')