使用BeautifulSoup解析HTML遇特殊NBSP字符，如何清除？

这些特殊空白字符（比如NBSP、ZWNJ）是解析后得到的Unicode空白字符，并非HTML实体，因此BeautifulSoup不会对其进行解析转换。这类字符通常是HTML内容作者从Word等文档复制内容时带入的。

清除这类字符有两种可行方法：

• 方法一：过滤保留可打印字符
  通过筛选仅保留字符串中的可打印字符，直接剔除特殊空白：

import string
text = tagobject.getText()  # tagobject为你要处理的soup标签对象    
text = ''.join(filter(lambda x: x in string.printable, text))

• 方法二：直接替换指定Unicode编码字符
  如果你明确目标字符的Unicode编码（比如NBSP的编码为\xa0），可以直接替换：

text.replace(u'\xa0', ' ')

内容的提问来源于stack exchange，提问作者Ziqi