python 正则空格\xa0实录 与xpath取 div 里面的含多个标签的所有文字

业余玩爬虫时，由原先的原生写法 改为 scrapy框架了，使用自带的selector时，xpath配合正则来抓取回复数和阅读数的时候，遇到的小问题，mark下。

首先获取到 我需要的数据块，（我用scrapy shell调试的）

对应的html文档是：

关于 这个 空格&nbsp 被爬成了\xa0的问题，我找了一些资料，这里说下原因：

\xa0 叫做不间断空白符，英文描述non-breaking space，阻止在此处自动换行和阻止多个空格被压缩成一个，属于 latin1 （ISO/IEC_8859-1）中的扩展字符集字符，我之所以用下列方法去不掉，是因为我们平常用的更多的 空格是\x20，

如下方式取匹配我想要的阅读数和回复数都失败了

这里面就是因为 空格字符的影响，所以后来用针对空格的办法，/s 就没问题了

收集了网上的对付这种问题一些办法：如下

string.replace(u'\xa0', u' ') ；  strip()等，

附：unicode标点对应表，http://www.unicode.org/charts/PDF/U3000.pdf

2.因为有些加粗标题被包含<b></b>标签下，如下：

他在 多了一级的标签，用text（）就取不到了，

但是xpath('string(.)')这个可以取出所有的文字元素，不包括html标签，

以上就是这次 业余抓取的小实录，好了，去拥抱下世界上最好的语言了   -。-