如何消除 ☎ unicode？

在网页抓取过程中，在删除所有 html 标签后，我得到了 unicode 中的黑色电话字符 \u260e (☎)。但不同于这个回应 https://stackoverflow.com/questions/7266842/character-u260e我也想摆脱它。

我在Scrapy中使用以下正则表达式来消除html标签：

pattern = re.compile("<.*?>|&nbsp;|&amp;",re.DOTALL|re.M)

然后我尝试匹配 \u260e，我想我被抓住了反斜杠瘟疫 http://docs.python.org/2/howto/regex.html#the-backslash-plague。我尝试了这种模式但没有成功：

pattern = re.compile("<.*?>|&nbsp;|&amp;|\u260e",re.DOTALL|re.M)
pattern = re.compile("<.*?>|&nbsp;|&amp;|\\u260e",re.DOTALL|re.M)
pattern = re.compile("<.*?>|&nbsp;|&amp;|\\\\u260e",re.DOTALL|re.M)

这些都不起作用，我仍然有 \u260e 作为输出。 我怎样才能让这个消失？

使用 Python 2.7.3，以下内容对我来说效果很好：

import re

pattern = re.compile(u"<.*?>|&nbsp;|&amp;|\u260e",re.DOTALL|re.M)
s = u"bla ble \u260e blo"
re.sub(pattern, "", s)

Output:

u'bla ble  blo'

正如@Zack 所指出的，这是因为字符串现在是 unicode 格式，即字符串已经被转换，并且字符序列\u260e现在可能是用于写入那个黑色小手机的两个字节☎（：

一旦要搜索的字符串和正则表达式都有黑色手机本身，而不是字符序列\u260e，它们都匹配。