代码之家 › 专栏 › 技术社区 › RobbR

为什么这个a0字符出现在我的html::element输出中?

encoding perl

RobbR · 技术社区 · 16 年前

我正在用几个Perl模块解析一个HTML文档: HTML::TreeBuilder 和 HTML::Element . 出于某种原因,只要标记的内容是   ,这是意料之中的,它是由html::element返回的,作为一个我以前从未见过的奇怪字符:

alt text http://www.freeimagehosting.net/uploads/2acca201ab.jpg

我不能复制这个字符,所以不能用谷歌搜索它,在字符地图上找不到它,奇怪的是当我用正则表达式搜索时, \w 找到它。当我将返回的文档转换为ansi或utf-8时,它将完全消失。我在html::element文档中也找不到关于它的任何信息。

如何用更有用的东西来检测和替换这个角色? null 今后我该如何处理这种奇怪的角色呢?

2 回复 | 直到 8 年前

chaos 16 年前

角色是 "\xa0" (即160),这是   . (也就是说,它是Unicode的不间断空格。)您应该能够使用 s/\xa0/ /g 如果你喜欢的话。

Sinan Ünür 8 年前

角色是 non-breaking space 那是什么   代表:

在字(词)处理和数字排字技术中,不间断的空格(“ “)(也称为不间断空间、不间断空间(nbsp)、硬空间或固定空间)是一个空格字符,用于防止在其位置自动换行。在某些格式(包括html)中,它还防止连续的空白字符折叠成单个空格。
在HTML中,与普通空格字符宽度相同的通用不间断空格被编码为或。在Unicode中,它被编码为 U+00A0 .

推荐文章

Harimbola Santatra · 如何获取JSON中包含unicode代码点的键的值?

1 年前

TLeo · 无法从导出的Instagram聊天记录中解析非ASCII字符[重复]

1 年前

stack programming · 如何将损坏的文本恢复为阿拉伯语

2 年前

FoolishMortal · 无法显示从基64字符串解码的特定图像

2 年前

xchrisbradley · 使用Zig签名对功能选择器进行编码

2 年前

dax · 运行长度编码给出错误的结果

2 年前

Eseosa Omoregie · PowerShell生成具有ASCI编码的CSV文件,原因是哈希字段而不是UTF-8

2 年前

Ben · 内存中的Python GZIP在现有文件上

2 年前

Helena · 在打开的NamedPipeClientStream上重新创建UTF-8 StreamWriter会导致服务器上出现额外的BOM字符

2 年前

GoodCat · 如何将这64行缩短4个字符?

2 年前