Python编码（去掉不必要的符号）

我正在用lxml模块抓取一个页面。 使用以下代码正确地刮除所有内容：

some_element.text_content().encode('utf-8').strip()

但有一个元素返回

'+\xc2\xad255550'

字符串，而不是

'+25550'

（如第页所示）。如果删除encode方法，则返回

u'+\xad2550'

。
应该使用什么来获取

“+25550”

字符串？

str.strip（）

仅从开始和结束处删除空白。它不会删除中间的空白。此外，字符串中有一个字符，而不是空格

您可以使用传递给的转换映射显式删除字符：

toremove

中的每个键必须是一个表示Unicode码点的整数（此处指定为十六进制整数文字），其值

None

表示

Unicode.translate（）

完全删除字符

演示：

---

为我返回了干净的字符串。

如果您打印它，您将得到您想要的

print（'+\xc2\xad2550'）

将为您提供

+-25550

@BurhanKhalid，不，我也得到了我写的东西。@lakesare:那么您不是在打印unicode字符串本身。如果将UTF-8字符串写入未配置为处理UTF-8的控制台或终端，则会出现乱码（a）或错误。'TypeError:expected a character buffer object'以某种方式上升（尽管我可以用自己编写的字符串重复！）。（我使用strip（）来消除内容前后的空白，就像应该使用的一样。我只是认为它可能会对代码产生一些我无法预料的影响）@lakesare：注意，我指定在编码之前，对unicode值使用

translate（）

方法。出现您看到的错误是因为您在

str

string对象上使用了

dict

转换映射。

toremove = {0xAD: None}
some_element.text_content().translate(toremove).encode('utf8')

>>> sample = u'+\xad25550'
>>> toremove = {0xAD: None}
>>> sample.translate(toremove)
u'+25550'

some_element.text_content().encode("ascii", "ignore").strip()