python处理html中的转义字符

2023-01-31 05:01:46 python 字符转义

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

import HTMLParser

html_cont =  " asdfg>123<"

html_parser = HTMLParser.HTMLParser()
new_cont = html_parser.unescape(html_cont)
print new_cont  #new_cont = " asdfg>123<"

转换回去（只是空格转不回去了）：


	
		相关文章