python处理html转义字符的方法详解
本文实例讲述了python处理html转义字符的方法。分享给大家供大家参考,具体如下:
最近在用Python处理网页数据时,经常遇到一些html转义字符(也叫html字符实体),例如<> 等。字符实体一般是为了表示网页中的预留字符,比如>用>表示,防止被浏览器认为是标签,具体参考w3school的HTML字符实体。虽然很有用,但是它们会极度影响对于网页数据的解析。为了处理这些转义字符,有如下解决方案:
1、使用HTMLParser处理
importHTMLParser html_cont=" asdfg>123<" html_parser=HTMLParser.HTMLParser() new_cont=html_parser.unescape(html_cont) printnew_cont#new_cont="asdfg>123<"
转换回去(只是空格转不回去了):
importcgi new_cont=cgi.escape(new_cont) printnew_cont#new_cont="asdfg>123<"
2、直接挨个替换
html_cont=" asdfg>123<" new_cont=new_cont.replace(' ','') printnew_cont#new_cont="asdfg>123<" new_cont=new_cont.replace('>','>') printnew_cont#new_cont="asdfg>123<" new_cont=new_cont.replace('<','<') printnew_cont#new_cont="asdfg>123<"
不知道还有没有更好的办法。
另外stackoverflow上给出了在xml中处理转义字符的解答:python-What'sthebestwaytohandle -likeentitiesinXMLdocumentswithlxml?-StackOverflow。
更多关于Python相关内容感兴趣的读者可查看本站专题:《Python编码操作技巧总结》、《Python图片操作技巧总结》、《Python数据结构与算法教程》、《PythonSocket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。