Python 拆下'；从webscrape输出的u

嗨，我正在使用Beautifulsoup解析一个网站，并获得一个名称作为输出。但是在运行脚本之后，我得到了一个

[u'word1'，u'word2'，u'word3']

输出。我要找的是

'word1 word2 word3'

。如何摆脱这个

u'

并使结果成为单个字符串

from bs4 import BeautifulSoup
import urllib2
import re

myfile = open("base/dogs.txt","w+")
myfile.close()

url="http://trackinfo.com/entries-race.jsp?raceid=GBR$20140302A01"
page=urllib2.urlopen(url)
soup = BeautifulSoup(page.read())
names=soup.findAll('a',{'href':re.compile("dog")})
myfile = open("base/dogs.txt","w+")
for eachname in names:
    d = (str(eachname.string.split()))+"\n"
    print [x.encode('ascii') for x in d]
    myfile.write(d)

myfile.close()

---

这里使用

.encode（）

给出的答案是你想要的，但可能不是你需要的。您可以保留unicode编码，而不以显示其编码或类型的方式表示对象。因此，它们仍然是

[u'word1'，u'word2'，u'word3']

——这避免了破坏对无法用ASCII表示的语言的支持，但打印为

word1 word2 word3

只要做：

for eachname in names:
    d = ' '.join(eachname.string.split()) + '\n'
    print d
    myfile.write(d)

美丽的群星

>>来自bs4导入组
>>>美丽之路（“神圣之路！”）
圣杯

那不是很棒吗？制作汤时，文档将转换为Unicode，HTML实体将转换为Unicode字符！因此，您可以将Unicode对象作为结果。如意算盘。这没什么错

所以你的问题是关于Unicode的。并对Unicode进行了解释。不喜欢录像带？读一篇文章

u

是“以下sting是Unicode编码的”的缩写。您现在可以使用所有Unicode字符，而不是128个ASCII字符。目前超过110.000人。

u

不会保存到文件或数据库中。这是视觉反馈，因此您可以看到您正在处理一个Unicode编码的字符串。像使用普通字符串一样使用它，因为它是普通字符串

这个故事的寓意是：

---

☺ 当您看到一个

u'…'

时，BeutifulSoap是一个真正的优秀html解析器。将它最大限度地用于解析html。所以只需修改代码，如下所示

names=[texts.text for texts in soup.findAll('a',{'href':re.compile("dog")})]

这将在锚定选项卡之间进行调整，因此您不需要

d=（str（eachname.string.split（））+“\n”

所以最终的代码是

from bs4 import BeautifulSoup
import urllib2
import re
import codecs
url="http://trackinfo.com/entries-race.jsp?raceid=GBR$20140302A01"
page=urllib2.urlopen(url)
soup = BeautifulSoup(page.read())
names=[texts.text for texts in soup.findAll('a',{'href':re.compile("dog")})]
myfile = codecs.open("base/dogs.txt","wb",encoding="Utf-8")
for eachname in names:
    eachname=re.sub(r"[\t\n]","",eachname)
    myfile.write(eachname+"\n")
myfile.close()

如果你只是需要它，而文件中没有u，那么 使用

codecs.open（）

或

io.open（）

使用适当的文本编码（即

encoding=“…”

）打开文本文件，而不是使用

open（）

打开bytefile

那就是

myfile = codecs.open("base/dogs.txt","w+",encoding="Utf-8")

就你而言

文件中的输出将是

BARTSSHESWAYCOOL                            
DK'S SEND ALL                            
SHAKIN THINGS UP                            
FROSTED COOKIE                            
JD EMBELLISH                            
WW CASH N CARRY                            
FREEDOM ROCK                            
HVAC BUTCHIE 

---

还可以看到我问的这个问题，这个问题与我问的几乎相同

print[str（x.encode（'ascii'））for x in d]

？请注意，如果字符串可以包含多字节字符，将其从Unicode字符串更改为ascii字符串实际上会破坏数据。你确定这是你想要做的事情吗？请注意，如果你只是打印字符串——比如说，

print

——或者直接写入字符串（而不是作为对象的一部分，该对象使用

repr（）

）将其内容字符串化——它们将显示为文字，不是用

u''

装饰。但是当您打印列表对象时，您将始终看到u。当您打印列表时，会对其中的每个项目调用repr（），而不是str（）。但是，该列表也是正确的。打印列表时会调用_ustr，而不是list。_urepr _u（）（如果两者都已定义）所以当你飞行时，打印一份清单是不同的。

BARTSSHESWAYCOOL                            
DK'S SEND ALL                            
SHAKIN THINGS UP                            
FROSTED COOKIE                            
JD EMBELLISH                            
WW CASH N CARRY                            
FREEDOM ROCK                            
HVAC BUTCHIE