我如何在python中编码html和特殊字符？

Question

1543159687.4969957：：我想我已经做了足够多的实验了，给出了一个更新:去年，人类的孩子对Blac\u 2026https://t.co/M3HR5fAoFZ是免费的“

这就是我所得到的结果。我想创建一个regex，用空格替换特殊元素，比如\u2019和\u2026。它们总是以"\u“开头，然后再继续四个字符。

我也想去掉html。它总是以"https://t.co/“开头，并继续使用10个字符。

我试过下面的代码，但显然是错误的。

tweet = re.sub("@[\\u].{4}", "", tweet)

Answer 1

这些\u字符只是unicode字符，没有什么需要做的，因为当您尝试使用print mystring时，它们将被自动转换

至于最后的网址，你可以：

removed = re.sub(r'http\S*$', '', mystring) # remove the final http string.

>>> removed
'1543159687.4969957::I think I’ve gotten far enough into my experiment to give an update: Last year, Child of Humanity was free for Blac… '