Python如何清理Selenium获取元素属性中的未知空白与空字符

从Selenium元素中获取的属性值包含空字符或空格，已尝试string.replace(" ","")、ticketID.replace("\n","")、ticketID.strip()等方法均未生效，目前临时使用逐位截取替换的逻辑处理，希望了解这类空白的类型及更优的处理方案。

空白类型说明 #

这类无法通过常规半角空格替换、strip()处理的空白大多是非打印类特殊空白字符，常见类型包括：

• 不间断空格（对应HTML中的 ，Unicode编码为\u00A0）
• 全角空格（Unicode编码\u3000）
• 零宽空格/零宽不连字/零宽连字（Unicode编码范围\u200B~\u200F）
• 回车符（\r，很多场景下会和\n同时存在\r\n的换行组合）
• 制表符（\t，Unicode编码\u0009）

你可以先运行以下代码确认当前字符串中空白的具体编码，方便后续精准定位：

for char in ticketID:
    print(f"字符标识：{repr(char)}，Unicode编码：{ord(char)}")

最优处理方案 #

根据你的使用场景可以选择两种通用处理方式，无需写固定位数的截取逻辑：

场景1：仅需保留指定有效字符（如票号仅为数字/字母组合） #

直接用正则提取目标字符即可，完全过滤所有非目标内容：

import re
# 仅保留数字，适合纯数字的票号场景
clean_ticket_id = ''.join(re.findall(r'\d+', ticketID))
# 若票号包含大小写字母+数字，改用以下规则
# clean_ticket_id = ''.join(re.findall(r'[a-zA-Z0-9]+', ticketID))

场景2：需要保留所有非空白的有效内容，仅删除所有类型空白 #

用正则匹配所有类型的空白字符统一删除：

import re
# 匹配所有Unicode定义的空白字符删除
clean_ticket_id = re.sub(r'\s+', '', ticketID, flags=re.UNICODE)
# 若包含零宽空格等特殊空白，扩展匹配规则即可
# clean_ticket_id = re.sub(r'[\s\u200b-\u200f\uFEFF\u00A0\u3000]+', '', ticketID)

内容的提问来源于stack exchange，提问作者Jean Pierre Waked