用python處理html代碼的轉義與還原 Python處理HTML轉義字符

用python處理html代碼的轉義與還原  

 

轉義 escape:html

import cgi
s = cgi.escape("""& < >""") # s = '&amp; &lt; &gt;'
 

反轉義 unescape:python

#使用標準庫
from htmllib import HTMLParser 
h = HTMLparser.HTMLParser() 
s = h.unescape('& < >')   # s = u'& < >' 
 
#使用BeautifulSoup 
from bs4 import BeautifulSoup 
soup = BeautifulSoup(html, \
      convertEntities=BeautifulSoup.HTML_ENTITIES)
 
引用於:
http://fredericiana.com/2010/10/08/decoding-html-entities-to-text-in-python/
https://wiki.python.org/moin/EscapingHtml
----------------------------------------------------------------------------------------------------------
 

Python處理HTML轉義字符

抓網頁數據常常遇到例如&gt;或者&nbsp;這種HTML轉義符,抓到字符串裏非常煩人。django

比方說一個從網頁中抓到的字符串api

html = '&lt;abc&gt;'

用Python能夠這樣處理:post

import HTMLParser html_parser = HTMLParser.HTMLParser() txt = html_parser.unescape(html) #這樣就獲得了txt = '<abc>'

若是還想轉回去,能夠這樣:this

import cgi html = cgi.escape(txt) # 這樣又回到了 html = '&lt;abc&gt'

 來回轉的功能還分了兩個模塊實現,挺奇怪。沒找到更優美的方法,歡迎補充哈~url

--------------------------------------------------spa

 

html的escape和unescape

相關文章
相關標籤/搜索