使用 urllib 删除 python 中的换行符

我正在使用Python 3.x。使用时urllib.request要下载网页，我得到了很多\n之间。我正在尝试使用论坛其他线程中给出的方法删除它，但我无法这样做。我用过strip()函数和replace()功能...但没有运气！我在 eclipse 上运行这段代码。这是我的代码：

import urllib.request

#Downloading entire Web Document 
def download_page(a):
    opener = urllib.request.FancyURLopener({})
    try:
        open_url = opener.open(a)
        page = str(open_url.read())
        return page
    except:
        return""  
raw_html = download_page("http://www.zseries.in")
print("Raw HTML = " + raw_html)

#Remove line breaks
raw_html2 = raw_html.replace('\n', '')
print("Raw HTML2 = " + raw_html2)

我无法找出获得大量的原因\n in the raw_html多变的。

Your download_page()函数破坏了 html (str()打电话）这就是为什么你会看到\n（两个字符\ and n）在输出中。不要使用.replace()或其他类似的解决方案，修复download_page()函数代替：

from urllib.request import urlopen

with urlopen("http://www.zseries.in") as response:
    html_content = response.read()

在此刻html_content包含一个bytes目的。要将其作为文本获取，您需要知道其字符编码，例如，从Content-Typehttp标头：

encoding = response.headers.get_content_charset('utf-8')
html_text = html_content.decode(encoding)

See 在 Python 中获取 HTTP 响应的字符集/编码的好方法.

如果服务器没有传入字符集Content-Type标题然后有计算 html5 文档中字符编码的复杂规则例如，它可以在 html 文档中指定：<meta charset="utf-8">（你需要一个 html 解析器来获取它）。

如果你正确地阅读了 html 那么你不应该看到文字字符\n在页面中。