str() 方法添加空白字符

Question

如何防止 python 在调用 str() 时添加空白字符？我有一个使用 urllib.request 的屏幕抓取工具/网络爬虫。我在我的内容上调用 str() 。 这是我的代码。

req = urllib.request.Request(national_url, headers={'User-Agent' : "Magic Browser"})
con = urllib.request.urlopen( req )

#grab html
html = con.read()
my_str = str(html)

问题是我使用正则表达式来解析这个 html 中的一些模式，并且 str 添加了所有的空白字符，如 \n 和 \t。

我的问题是如何防止 str() 函数添加这些额外的字符文字。

编辑

我之前在我编写的 python 2.7 脚本中使用了 urllib2。我把它带到了一台新电脑上，但开始在这台电脑上使用 python 3.6。这些正则表达式不再起作用。将 con.read() 传递给此函数时出现错误。如上所示，我将 con.read() 包装在对 str() 的调用中，我注意到在 3.6 中，con.read() 函数添加了一大堆 \t 和 n的。我的问题是如何使我的表达式起作用，或禁止所有“字符文字”，也称为 '\t\n'（我承认我可能对这些字符使用了错误的术语）。

这在 Python 2.7 中有效。我切换到 python 3.6。

def parse_html_doc(str='', poke_id = 0):
    if len(str) > 0:

        poke = MyClass()
        poke.dex_num = re.search('\d+(?=<\/strong>)', str).group(0)
        poke.name = re.search('[A-Za-z]+(?=<\/h1>)', str).group(0)
        poke.hp = re.search('\d+', re.search('<th>HP<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.atk = re.search('\d+', re.search('<th>Attack<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.bdef = re.search('\d+', re.search('<th>Defense<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.spatk = re.search('\d+', re.search('<th>Sp\. Atk<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.spatk = re.search('\d+', re.search('<th>Sp\. Def<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.spd = re.search('\d+', re.search('<th>Speed<\/th>\s+<td class="num">\d+<\/td>', str).group(0)).group(0)
        poke.des = re.search('<p>.*<\/p>', str).group(0).replace('"', '""')
        poke.id = poke_id
        return poke

Answer 1

str() 不会创建这些字符，它们已经存在。

如果你想删除字符串开头和结尾的\n和whitespace，那么你可以使用

s = '\n     bla 123\n 1235\n ...\n'
result = s.strip()
print(result)

> 'bla 123\n 1235\n ...'

Answer 2

看起来你想这样做：

eq = urllib.request.Request(national_url, headers={'User-Agent' : "Magic Browser"})
con = urllib.request.urlopen( req )

#grab html
html = con.read()
my_str = str(html.replace("\n", "")
my_str = my_str.replace("\t", "")

这应该会删除字符串中的所有空白字符。