Wie dekodiere ich HTML-Entitäten in Python?

HTML-Entitäten in Python dekodieren: Eine umfassende Referenz

Beim Parsen von HTML-Inhalten mit BeautifulSoup kann es zu Problemen kommen, wenn HTML-Entitäten codiert bleiben. Um diese Entitäten zu dekodieren und den tatsächlichen Textinhalt zu erhalten, können je nach verwendeter Python-Version verschiedene Ansätze verwendet werden.

Python 3.4

In Python 3.4 und höher ist html.unescape() Die Funktion bietet eine einfache Methode zum Dekodieren von HTML-Entitäten:

import html
print(html.unescape('£682m'))

Dies gibt die gewünschte Ausgabe zurück: „£682m“.

Python 2.6-3.3

Für Python-Versionen zwischen 2.6 und 3.3 erweist sich die Methode HTMLParser.unescape() als nützlich:

try:
    # Python 2.6-2.7
    from HTMLParser import HTMLParser
except ImportError:
    # Python 3
    from html.parser import HTMLParser

h = HTMLParser()
print(h.unescape('£682m'))

Alternativ: Die sechs Kompatibilitätsbibliotheken können Modulimporte vereinfachen und die Verwendung von HTMLParser in Python ermöglichen Versionen:

from six.moves.html_parser import HTMLParser
h = HTMLParser()
print(h.unescape('£682m'))

Durch die Verwendung dieser Python-Tools können Entwickler HTML-Entitäten effizient dekodieren und den gewünschten Textinhalt für ihre Analyseanforderungen erhalten.

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