用python中的正常空间替换狭窄的不间断空间

Question

我正在尝试用正常的空间替换从Word复制的不间断空间，但是对我来说似乎没有任何作用。

我已经尝试将此空间读取为Unicode和十六进制，然后将其替换为正常。根据https://unicode-table.com/en/202F/，它是Narrow No-Break Space，但看起来这个空间是多个字符。

input.html看起来像这样（前面2x窄无间隙空间：]

  n

我的脚本：

with open('input.html', 'r+') as f:
    copy = f.read()

for line in copy:
    for char in line:
        print(char, hex(ord(char)), end = ' ')
        print(repr(char), ord(char))

with open('output.html', 'w') as outf:
    outf.write(copy)

提供输出：

â 0xe2 'â' 226
€ 0x20ac '€' 8364
Ż 0x17b 'Ż' 379
â 0xe2 'â' 226
€ 0x20ac '€' 8364
Ż 0x17b 'Ż' 379
n 0x6e 'n' 110

并且output.html与input.html相同尝试将其替换为：

copy.replace(u"\u202f", ".")
copy.replace("\0xe2\0x20ac\0x17b", "")
copy.replace(' ', ' ')

还有更多配置，但似乎没有任何实际作用

我想将所有不间断空格作为html文件中的普通空格，但是我不知道该怎么做。

Answer 1

此空格超过一个字符。

此空间大于一个byte。 UTF8字符可以为up to 4 bytes。

字节与字符串

关于字符串对象和字节对象之间的区别似乎也有些混乱。 Eli Bendersky在the difference上有一篇不错的文章。要在字节对象中引用不可打印的字符，请在两个十六进制数字前加上\ x，例如'\ x12'，而不是'\ 0x12'。

对于0xe2，您可能会想到一个hex数字，它是一个int表示形式：

>>> 0x10
16

替换狭窄的不间断空间

您的问题是关于替换此字符，所以让我们开始吧。

在字符串中

>>> mystr = 'a\u202fb'
>>> print(mystr)
a b
>>> mystr.replace('\u202f', '.')
'a.b'

在字节对象中

>>> mybytes = bytes('a\u202fb', 'utf8')
>>> mybytes
b'a\xe2\x80\xafb'
>>> mybytes.replace(b'\xe2\x80\xaf', b'.')
b'a.b'