पायथन - स्ट्रिंग में गैर-एसीआई चरित्र को बदलें (»)

Question

मुझे एक व्हाइटस्पेस के साथ चरित्र" »" स्ट्रिंग में प्रतिस्थापित करने की आवश्यकता है, लेकिन मुझे अभी भी एक त्रुटि मिलती है। इस कोड का उपयोग मैं है:

# -*- coding: utf-8 -*- 
from bs4 import BeautifulSoup 

# other code 

soup = BeautifulSoup(data, 'lxml') 
mystring = soup.find('a').text.replace(' »','') 

UnicodeEncodeError: 'ascii' codec can't encode character u'\xbb' in position 13: ordinal not in range(128)

लेकिन यदि मैं यह अन्य स्क्रिप्ट के साथ यह परीक्षण:

# -*- coding: utf-8 -*- 
a = "hi »" 
b = a.replace('»','') 

यह काम करता है। यही कारण है?

Answer 1

str.replace() विधि का उपयोग कर स्ट्रिंग की सामग्री को प्रतिस्थापित करने के लिए;

>>> a = "hi »" 
>>> a.decode('utf-8').replace("»".decode('utf-8'), "").encode('utf-8') 
'hi ' 

तुम भी स्ट्रिंग से सभी गैर- ASCII वर्ण दूर करने के लिए निम्नलिखित regex का उपयोग हो सकता है::

आप सबसे पहले स्ट्रिंग डिकोड, तो पाठ की जगह और मूल पाठ करने के लिए इसे वापस सांकेतिक शब्दों में बदलना करने की जरूरत है

>>> import re 
>>> re.sub(r'[^\x00-\x7f]',r'', 'hi »') 
'hi ' 

Answer 2

@Moinuddin क़ादरी का जवाब अपने यूज-केस बेहतर फिट बैठता है, लेकिन सामान्य रूप में, एक आसान तरीका एक दिया स्ट्रिंग से गैर- ASCII वर्ण दूर करने के लिए नीचे दिए तरीके से है:

# the characters '¡' and '¢' are non-ASCII 
string = "hello, my name is ¢arl... ¡Hola!" 

all_ascii = ''.join(char for char in string if ord(char) < 128) 

यह में परिणाम:

>>> print(all_ascii) 
"hello, my name is arl... Hola!" 

तुम भी ऐसा कर सकता है:

''.join(filter(lambda c: ord(c) < 128, string)) 

लेकिन उस बारे में 30% char for char ... दृष्टिकोण की तुलना में धीमी है।