Wie konvertiert man HTML-Entitäten in Python in Unicode-Strings?

XML/HTML-Entitäten in einen Unicode-String in Python konvertieren

Frage: Wie kann ich einen String, der HTML-Entitäten enthält, in einen Unicode-String konvertieren? Python? Beispielsweise ist die Zeichenfolge „ǎ“ sollte in „ǎ“ mit einer Tonmarkierung (u'u01ce') konvertiert werden.

Antwort:

Der HTMLParser der Python-Standardbibliothek verfügt über eine undokumentierte Funktion namens unescape(). Diese Funktion kann HTML-Entitäten in ihre Unicode-Äquivalente konvertieren.

<code class="python">import HTMLParser
h = HTMLParser.HTMLParser()
h.unescape('&amp;amp;copy; 2010') # u'\xa9 2010'
h.unescape('&amp;amp;#169; 2010') # u'\xa9 2010'</code>

Für Python 3.4 und höher funktioniert der folgende Code mit dem HTML-Modul:

<code class="python">import html
html.unescape('&amp;amp;copy; 2010') # u'\xa9 2010'
html.unescape('&amp;amp;#169; 2010') # u'\xa9 2010'</code>

Das obige ist der detaillierte Inhalt vonWie konvertiert man HTML-Entitäten in Python in Unicode-Strings?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!