python处理html符号转义

痛定思痛。 2022-10-06 00:37 288阅读 0赞

## 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= '<abc>'

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&gt'
    
    #python3.2以后：
    
    import html
    q = html.escape(html)
    print(q)
    #这样又回到了 html = '<abc&gt'

注：  
parse\_qs, parse\_qsl 和 escape 已从 cgi 模块中被移除。 这些函数自 Python 3.2 或更早就已被弃用。 它们应改为从 urllib.parse 和 html 模块导入。

详见[python3.8技术文档][python3.8]

## python-html ##

该模块定义了操作HTML的工具。

*  ```html.``escape```(*s*, *quote=True*)
    
    将字符串 *s* 中的字符`&` 、 `<` 和 `>` 转换为安全的HTML序列。 如果需要在 HTML 中显示可能包含此类字符的文本，请使用此选项。 如果可选的标志 *quote* 为真值，则字符 (`"`) 和 (`'`) 也被转换；这有助于包含在由引号分隔的 HTML 属性中，如 `<a href="...">`。*3.2 新版功能.*
 *  ```html.``unescape```(*s*)
    
    将字符串 *s* 中的所有命名和数字字符引用 (例如 `>`, `>`, `>`) 转换为相应的Unicode字符。 此函数使用HTML 5标准为有效和无效字符引用定义的规则，以及 [`HTML 5 命名字符引用列表`][HTML 5]。*3.4 新版功能.*

--------------------

`html` 包中的子模块是：

*  [`html.parser`][html.parser] —— 具有宽松解析模式的HTML / XHTML解析器
 *  [`html.entities`][html.entities] – HTML 实体定义

[python3.8]: https://docs.python.org/zh-cn/3.8/whatsnew/3.8.html
[HTML 5]: https://docs.python.org/zh-cn/3.8/library/html.entities.html#html.entities.html5
[html.parser]: https://docs.python.org/zh-cn/3.8/library/html.parser.html#module-html.parser
[html.entities]: https://docs.python.org/zh-cn/3.8/library/html.entities.html#module-html.entities