当前位置: 首页 > 面试题库 >

在Python中将XML / HTML实体转换为Unicode字符串

令狐凌
2023-03-14
问题内容

我正在做一些Web抓取,并且站点经常使用HTML实体来表示非ascii字符。Python是否有一个实用程序可以接受带有HTML实体的字符串并返回unicode类型?

例如:

我回来了:

ǎ

代表带有音调标记的“ǎ”。以二进制形式表示为16位01ce。我想将html实体转换为值 u'\u01ce'


问题答案:

标准库自己的HTMLParser具有未记录的函数unescape(),它完全按照你的想法执行操作:

import HTMLParser
h = HTMLParser.HTMLParser()
h.unescape('© 2010') # u'\xa9 2010'
h.unescape('© 2010') # u'\xa9 2010'


 类似资料:
  • 问题内容: 给定一个Unicode符号或其XML / HTML实体,一个人如何生成其Unicode数字?例如,如果为您提供了字符串,并且可以生成其HTML代码(),那么如何生成其Unicode数字()? 我目前正在通过使用API并用于转换来生成HTML实体。但是unicode号本身并没有转换。 问题答案: 更新: Xcode 9•Swift 4 Xcode 8•Swift 3

  • 问题内容: 我有一个包含unicode字符等的字符串,以某种方式不被我接收,但被作为接收。如何将其转换回unicode? 显然不是答案。那是什么 问题答案: Unicode转义仅适用于unicode字符串,因此 实际上是由6个字符组成的字符串:“ \”,“ u”,“ 2”,“ 0”,“ 2”,“ 6”。 要从中制作出unicode,请使用:

  • 问题内容: 如何在Python中将HTML实体转换为Unicode,反之亦然? 问题答案: 您需要有BeautifulSoup。

  • 问题内容: 当我尝试使用“ unicode(head.contents [3])”获取标签的内容时,我得到类似于以下的输出:“ Christensen Sk \ xf6ld”。我希望转义序列作为字符串返回。如何在python中做? 问题答案: 假设Python将名称视为普通字符串,则首先必须将其解码为unicode: 实现此目的的另一种方法: 注意字符串前面的“ u”,表示它是未编码的。如果进行打

  • 问题内容: 我有unicode ,我希望它以字典格式。 我想要它的格式。 我试过了,但它返回的字符串不是字典。 谁能帮我? 问题答案: 您可以使用内置包: 帮助ast模块中的literal_eval函数: literal_eval(node_or_string) 安全地评估表达式节点或包含Python表达式的字符串。提供的字符串或节点只能由以下Python文字结构组成:字符串,数字,元组,列表,字

  • 问题内容: 如果明确定义,以下unicode和字符串可以单独存在: 如果只分配了上述变量,如何在Python 2.5或2.6中将其转换为? 编辑: 我做了以下事情: 解决了我的问题。有人可以向我解释到底发生了什么吗? 问题答案: 您似乎混淆了编码。看来您真正想要的是等效于。 但是您似乎是被错误解码的UTF-8编码。您可以通过将unicode字符串转换为普通字符串来解决此问题。我不确定最好的方法是什