如何在 Python 中解碼 HTML 實體？

在 Python 中解碼 HTML 實體：綜合參考

使用 BeautifulSoup 解析 HTML 內容時，可能會遇到 HTML 實體保持編碼狀態的問題。要解碼這些實體並取得實際文字內容，可以根據所使用的 Python 版本採用各種方法。

Python 3.4

在Python 3.4 及更高版本中，html.unescape()函數提供了一種解碼HTML 實體的簡單方法：

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

這將返回所需的輸出： “£682m”。

Python 2.6-3.3

對於2.6 和3.3 之間的Python 版本，HTMLParser.unescape() 方法被證明是有用的：

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'))

或者，六個相容庫可以簡化模組導入，從而實現跨Python 使用HTMLParser版本：

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

透過利用這些 Python 工具，開發人員可以有效率地解碼 HTML 實體並取得滿足其解析需求的所需文字內容。

以上是如何在 Python 中解碼 HTML 實體？的詳細內容。更多資訊請關注PHP中文網其他相關文章！