python中，把‘&#’ ‘&#x开头的字符串转换成中文

Question

如题所述

Answer 1

(一)

爬虫时经常遇到'/u'开头的unicode编码的字符串，这时通过decode()来解决.

但偶尔也会遇到以‘&#’ 或者‘&#x’开头的字符串， 这是HTML、XML 等 SGML 类语言的转义序列（escape sequence）。它们不是「编码」。

如果以‘&#‘ 开头，后接十进制数字，

如果以‘&#x’开头，后接十六进制数字。

在python中的解决方法是：

importhtml

a ='外观'

print(html.unescape(a))

# 输出：外观

希望对你有用

(二)

Python中escape和unescape

Python处理HTML转义字符

在抓网页数据经常遇到例如>或者 这种HTML转义符，抓到字符串里很是烦人。

比方说一个从网页中抓到的字符串

p ='<abc>'

用Python可以这样处理：

import html

p ='<abc>'txt= html.unescape(p)print(txt)

#这样就得到了txt= ''

如果还想转回去，可以这样：

import cgi

q = cgi.escape(html)print(q)

       #这样又回到了 html = '<abc>'