进行web-scraping（网页抓取）时如何去除抓取内容中的空白空格？

网页爬虫空白字符去除解决方案 #

以下是针对Python爬虫场景的常用处理方案，你可以根据自己的需求选择：

• 仅删除第6行文本首尾的空格：使用字符串内置的strip()方法即可，仅需删除开头空格用lstrip()，仅需删除结尾空格用rstrip()
  参考代码：

  # 假设line_6为你提取到的第6行文本内容
  line_6 = line_6.strip()
  

• 需要删除第6行所有位置的普通空格：使用replace()方法全局替换
  参考代码：

  line_6 = line_6.replace(" ", "")
  

• 要处理特殊空白字符（如全角空格、制表符、不间断空格、换行符等）：用正则表达式全局匹配替换
  参考代码：

  import re
  # 直接删除所有空白字符
  line_6 = re.sub(r'\s+', '', line_6)
  # 若需将连续多个空白替换为单个空格，改用以下写法
  # line_6 = re.sub(r'\s+', ' ', line_6).strip()
  

• 在XPath提取阶段直接处理：使用normalize-space()函数，提取时自动去除首尾空格、合并中间连续空格为单个
  参考XPath写法：
  normalize-space(//目标元素路径/p[6]/text())

若处理后仍有残留空白，可先打印对应字符的ASCII/Unicode编码确认字符类型，针对性写规则替换即可。

内容的提问来源于stack exchange，提问作者julio aguilera