Python - 'ascii' 编解码器无法在位置解码字节 \xbd

Question

我正在使用 LXML 从网页中抓取一些文本。一些文本包括分数。

5½

我需要把它变成浮点格式。这些失败：

ugly_fraction.encode('utf-8')  #doesn't change to usable format
ugly_fraction.replace('\xbd', '')  #throws error
ugly_freaction.encode('utf-8').replace('\xbd', '')  #throws error

Answer 1

unicodedata.numeric:

以浮点数形式返回分配给 Unicode 字符 unichr 的数值。如果没有定义这样的值，则返回默认值，或者，如果没有给出，则引发 ValueError。

请注意，它只处理单个字符，而不是字符串。因此，您仍然需要编写将由整数和分数字符组成的“混合分数”转换为浮点数的代码。但这很容易。例如。您只需要想出如何在数据中表示混合分数的规则。例如，如果纯整数、纯分数和整数后跟一个没有空格的分数是唯一的可能性，这有效（包括为所有无效情况提出某种合理的例外）：

def parse_mixed_fraction(s):
    if s.isdigit():
        return float(s)
    elif len(s) == 1:
        return unicodedata.numeric(s[-1])
    else:
        return float(s[:-1]) + unicodedata.numeric(s[-1])