本文實例講述了python處理html轉義字元的方法。分享給大家供大家參考，如下：
最近在用Python處理網頁資料時，常常遇到一些html轉義字元（也叫html字元實體），例如<> 等。字符實體一般是為了表示網頁中的預留字符，例如>用>表示，防止被瀏覽器認為是標籤，具體參考w3school的HTML 字符實體。雖然很有用，但是它們會極度影響對於網頁資料的解析。為了處理這些轉義字符，有以下解決方案：
1、使用HTMLParser處理
import HTMLParser html_cont = " asdfg>123<" html_parser = HTMLParser.HTMLParser() new_cont = html_parser.unescape(html_cont) print new_cont #new_cont = " asdfg>123<"
轉換回去（只是空格轉不回去了）：
import cgi new_cont = cgi.escape(new_cont) print new_cont #new_cont = " asdfg>123<"
#2、直接挨個替換
html_cont = " asdfg>123<" new_cont = new_cont.replace(' ', ' ') print new_cont #new_cont = " asdfg>123<" new_cont = new_cont.replace('>', '>') print new_cont #new_cont = " asdfg>123<" new_cont = new_cont.replace('<', '<') print new_cont #new_cont = " asdfg>123<"
不知道還有沒有更好的辦法。
另外stackoverflow上給了在xml中處理轉義字元的答案：python - What's the best way to handle -like entities in XML documents with lxml? - Stack Overflow。
更多python處理html轉義字元相關文章請關注PHP中文網！
