1. 首页
  2. 问题
  3. 用Python字符串解码HTML实体？
小编典典

用Python字符串解码HTML实体？

html

我正在使用Beautiful Soup 3解析一些HTML，但是它包含HTML实体，Beautiful Soup 3不会自动为我解码：

>>> from BeautifulSoup import BeautifulSoup

>>> soup = BeautifulSoup("<p>&pound;682m</p>")
>>> text = soup.find("p").string

>>> print text
&pound;682m

如何解码HTML实体text以获得"£682m"而不是"&pound;682m"。


阅读 362

收藏
2020-05-10

共1个答案

小编典典

Python 3.4以上

用途html.unescape()：

import html
print(html.unescape('&pound;682m'))

FYI
html.parser.HTMLParser.unescape已弃用，并且应该在3.5中删除，尽管它是错误地保留的。它将很快从语言中删除。

Python 2.6-3.3

您可以HTMLParser.unescape()从标准库中使用：

  • 对于python 2.6-2.7 HTMLParser

  • 对于Python 3 html.parser

    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’))
    £682m

您还可以使用six兼容性库来简化导入：

>>> from six.moves.html_parser import HTMLParser
>>> h = HTMLParser()
>>> print(h.unescape('&pound;682m'))
£682m
2020-05-10