Python在字符串中处理html和xml的方法
问题
你想将HTML或者XML实体如&entity;或&#code;替换为对应的文本。再者，你需要转换文本中特定的字符(比如<,>,或&)。
解决方案
如果你想替换文本字符串中的‘<'或者‘>'，使用html.escape()函数可以很容易的完成。比如：
>>>s='Elementsarewrittenas"text ".' >>>importhtml >>>print(s) Elementsarewrittenas"text ". >>>print(html.escape(s)) Elementsarewrittenas"<tag>text</tag>". >>>#Disableescapingofquotes >>>print(html.escape(s,quote=False)) Elementsarewrittenas"<tag>text</tag>". >>>
如果你正在处理的是ASCII文本，并且想将非ASCII文本对应的编码实体嵌入进去，可以给某些I/O函数传递参数errors='xmlcharrefreplace'来达到这个目。比如：
>>>s='SpicyJalapeño'
>>>s.encode('ascii',errors='xmlcharrefreplace')
b'SpicyJalapeño'
>>>
为了替换文本中的编码实体，你需要使用另外一种方法。如果你正在处理HTML或者XML文本，试着先使用一个合适的HTML或者XML解析器。通常情况下，这些工具会自动替换这些编码值，你无需担心。
有时候，如果你接收到了一些含有编码值的原始文本，需要手动去做替换，通常你只需要使用HTML或者XML解析器的一些相关工具函数/方法即可。比如：
>>>s='Spicy"Jalapeño".' >>>fromhtml.parserimportHTMLParser >>>p=HTMLParser() >>>p.unescape(s) 'Spicy"Jalapeño".' >>> >>>t='Thepromptis>>>' >>>fromxml.sax.saxutilsimportunescape >>>unescape(t) 'Thepromptis>>>' >>>
讨论
在生成HTML或者XML文本的时候，如果正确的转换特殊标记字符是一个很容易被忽视的细节。特别是当你使用print()函数或者其他字符串格式化来产生输出的时候。使用像html.escape()的工具函数可以很容易的解决这类问题。
如果你想以其他方式处理文本，还有一些其他的工具函数比如xml.sax.saxutils.unescapge()可以帮助你。然而，你应该先调研清楚怎样使用一个合适的解析器。比如，如果你在处理HTML或XML文本，使用某个解析模块比如html.parse或xml.etree.ElementTree已经帮你自动处理了相关的替换细节。
以上就是Python在字符串中处理html和xml的方法的详细内容，更多关于Python在字符串中处理html和xml的资料请关注毛票票其它相关文章！