使用python从刮取的网站中删除return-to-line

Question

我在试着刮一个网站这是目标div看起来像这样

                              <div class="entry-footer">
                                <p>
                                    <strong>Mots-clefs :</strong>
                                    A Gray State 4,
                                    A Gray State 3,
                                    A Gray State 2,                                     
                                </p>
                            </div>`

我正试着用这个方法把文本擦掉

^{pr2}$

我得到的结果 ! https://imgur.com/IzDSqG8 但我想让短信看起来像这样

Mots-clefs : A Gray State 4, A Gray State 3, A Gray State 2,

我想用空格代替retur to line

Answer 1

要删除换行符，可以尝试使用\nnot/n，即：

Linux、macOS

tags[0].text.replace('\n',' ') 

窗口

^{pr2}$

或使用^{}：

tags[0].text.strip()

---

换行符

通常称为行尾，行尾（EOL）、换行或换行，是character encoding规范中的control character，如ASCII。它用来表示一个line of text的结束和一个新的开始。文本编辑器在按Enter key时设置此特殊字符。在

---

Representations in different character encoding specifications

1. Multics，Unix和{a10}系统（Linux，macOS，FreeBSD，AIX，Xenix，等等），BeOS，Amiga，RISC OS，以及其他{a19}

   -转义序列：\n

2. Atari TOS，Microsoft Windows，DOS（MS-DOS，PC DOS，等等），DECTOPS-10，RT-11，CP/M，MP/M，OS/2，Symbian OS，Palm OS，Amstrad CPC，以及大多数其他早期非Unix和非IBM操作系统

   -转义序列：\r\n

---

Unicode码

Unicode标准定义了许多字符，一致性应用程序应将其识别为行结束符：

LF：换行，U+000A
VT:Vertical Tab，U+000B
FF:Form Feed，U+000C
CR:Carriage Return，U+000D
CR+LF：CR（U+000D）后接LF（U+000A）
NEL：下一行，U+0085
LS：行分隔符，U+2028
PS：段落分隔符，U+2029

Answer 2

在打印输出字符串的实际表示形式时会发生什么：

>>> repr(tags[0].text)
'\n\nMots-clefs :\n    A Gray State 4,\n    A Gray State 3,\n    A Gray State 2,                                     \n  \n'

这里有一些问题，包括换行符（即\n，而不是{}），以及不需要的连续空格。但是，您可以使用^{}将这两个都替换为单个空格，以获得所需的结果：

^{pr2}$

输出：

Mots-clefs : A Gray State 4, A Gray State 3, A Gray State 2, 

Answer 3

或者没有正则表达式：

from bs4 import BeautifulSoup

content = """
 <div class="entry-footer">
    <p>
        <strong>Mots-clefs :</strong>
        A Gray State 4,
        A Gray State 3,
        A Gray State 2,                                     
    </p>
</div>
"""
soup = BeautifulSoup(content,"lxml")
for items in soup.select(".entry-footer p strong"):
    title = items.text
    data = ' '.join([' '.join(item.split()) for item in items.next_siblings])
    print(title,data)

输出：

^{pr2}$