轉自：https://www.cnblogs.com/BlackStorm/p/6359005.html
處理方法 str.replace(u'\xa0', u' ')
最近用 scrapy 爬某網站，發現拿到的內容里面含有 \xa0 、 \u3000 這樣的字符，起初還以為是編碼不對，搜了一下才知道是見識太少 233 。
\xa0 是不間斷空白符
我們通常所用的空格是 \x20 ，是在標准ASCII可見字符 0x20~0x7e 范圍內。
而 \xa0 屬於 latin1 （ISO/IEC_8859-1）中的擴展字符集字符，代表空白符nbsp(non-breaking space)。
latin1 字符集向下兼容 ASCII （ 0x20~0x7e ）。通常我們見到的字符多數是 latin1 的，比如在 MySQL 數據庫中。
這里也有一張簡陋的Latin1字符集對照表。
\u3000 是全角的空白符
根據Unicode編碼標准及其基本多語言面的定義， \u3000 屬於CJK字符的CJK標點符號區塊內，是空白字符之一。它的名字是 Ideographic Space ，有人譯作表意字空格、象形字空格等。顧名思義，就是全角的 CJK 空格。它跟 nbsp 不一樣，是可以被換行間斷的。常用於制造縮進， wiki 還說用於抬頭，但沒見過。
這里還有一個 Unicode.org 上關於 CJK 標點符號塊的字符代碼表。
轉自https://www.cnblogs.com/my8100/p/7709371.html
HTML轉義字符&npsp；表示non-breaking space，unicode編碼為u'\xa0',超出gbk編碼范圍？
0.目錄
1.參考
2.問題定位
不間斷空格的unicode表示為 u\xa0',超出gbk編碼范圍？
3.如何處理
.extract_first().replace(u'\xa0', u' ').strip().encode('utf-8','replace')
1.參考
Beautiful Soup and Unicode Problems
詳細解釋
unicodedata.normalize('NFKD',string) 實際作用？？？
Scrapy : Select tag with non-breaking space with xpath
>>> selector.xpath(u'''
... //p[normalize-space()]
... [not(contains(normalize-space(), "\u00a0"))]normalize-space() 實際作用？？？
In [244]: sel.css('.content') Out[244]: [<Selector xpath=u"descendant-or-self::*[@class and contains(concat(' ', normalize-space(@class), ' '), ' content ')]" data=u'<p class="content text-
s.replace(u'\xa0', u'').encode('utf-8')
2.問題定位
https://en.wikipedia.org/wiki/Comparison_of_text_editors
定位元素顯示為 &npsp；
