删除\ u2018和\ u2019字符

Question

我正在使用Beautiful Soup解析网页并在终端上打印访问的网页的名称。但是，网页的名称通常只有一个左字符 （\ u2018） 和右字符
（\ u2019） ，而python无法打印此字符，因为它会给出charmap编码错误。有什么办法可以删除这些字符？

Answer 1

这些代码是Unicode，用于单左和右引号字符。您可以将它们替换为等效的ASCII，Python在您的系统上打印不会出现任何问题：

>>> print u"\u2018Hi\u2019"
‘Hi’
>>> print u"\u2018Hi\u2019".replace(u"\u2018", "'").replace(u"\u2019", "'")
'Hi'

或者使用正则表达式：

import re
s = u"\u2018Hi\u2019"
>>> print re.sub(u"(\u2018|\u2019)", "'", s)
'Hi'

但是，Python也应该毫无疑问地打印它们的Unicode版本。您可能在str()某个地方尝试将unicode转换为ascii并抛出异常。