xa0 u3000 的问题

Posted 2020-11-16 xintiao9

xa0 、 u3000 的问题

https://www.cnblogs.com/BlackStorm/p/6359005.html

xa0 是不间断空白符 ` `

我们通常所用的空格是 x20 ，是在标准ASCII可见字符 0x20~0x7e 范围内。
而 xa0 属于 latin1 （ISO/IEC_8859-1）中的扩展字符集字符，代表空白符nbsp(non-breaking space)。
latin1 字符集向下兼容 ASCII （ 0x20~0x7e ）。通常我们见到的字符多数是 latin1 的，比如在 mysql 数据库中。

这里也有一张简陋的Latin1字符集对照表。

u3000 是全角的空白符

根据Unicode编码标准及其基本多语言面的定义， u3000 属于CJK字符的CJK标点符号区块内，是空白字符之一。它的名字是 Ideographic Space ，有人译作表意字空格、象形字空格等。顾名思义，就是全角的 CJK 空格。它跟 nbsp 不一样，是可以被换行间断的。常用于制造缩进， wiki 还说用于抬头，但没见过。

这里还有一个 Unicode.org 上关于 CJK 标点符号块的字符代码表。

BeautifulSoup下Unicode乱码解决

s.replace(u'xa0', u'').encode('utf-8')