Estoy haciendo un script que scrapea con bs4 cierta plataforma, la data generalmente viene con caracteres especiales/raros lo cual me obligo a hace runa funcion replace:
def replace(self, string):
'''Funcion que reemplaza los principales
caracterer raros (ESTANDARIZADOS!!)
que presenta la metadata
en esta web, no va a reemplazar absolutamente todo
ya que varia entre elemento html y otro.'''
if '<img' in string:
clean_data = string.replace('<img src="', '').replace(
'">', '').replace('" <="" a="', '')
return clean_data
elif '\xa0' in string:
clean_data = string.replace('\xa0', '')
return clean_data
elif '\nX\n' in string:
clean_data = string.replace(
'\nX\n ', '').replace(
' ', '').replace(
'\n', '')
return clean_data
else:
return string
Mi pregunta es basica, como mejorar este codigo en cuanto a buenas practicas? me refiero a la cantidad de veces que seteo clean_data, y la cantidad de returns, lo cual me hacen ruido. Generalmente se van a ir agregando mas elif para testear si cierto string tiene ese caracter raro, por lo tanto siento que en cierto punto va a ser repetitivo. Gracias!