论坛 › Python › python如何将html数字编码后的文本还原？

iocg 发表于 2014-11-10 16:41

python如何将html数字编码后的文本还原？

本帖最后由 iocg 于 2014-11-10 16:52 编辑

python有什么方法可以将html数字编码后的文本，还原？
例如：

还原成我爱 <chinaunix> 论坛
I love "chinaunix" Forums
私は&chinaunix&フォーラムが大好き
Je l'àime ¿chinaunix¿ Förums

ssfjhh 发表于 2014-11-10 18:06

本帖最后由 ssfjhh 于 2014-11-11 10:40 编辑

list(int, re.findall(string, '\d'))

reyleon 发表于 2014-11-10 19:16

回复 2# ssfjhh


    这也行?

iocg 发表于 2014-11-10 21:28

回复 3# reyleon


    在网上找到HTMLParser库好像可以实现。

   HTMLParser采用的是一种事件驱动的模式，当TMLParser找到一个特定的标记时，它会去调用一个用户定义的函数，以此来通知程序处理。它主要的用户回调函数的命名都是以handler_开头的，都是HTMLParser的成员函数。当我们使用时，就从HTMLParser派生出新的类，然 后重新定义这几个以handler_开头的函数即可。
    handle_charref      处理特殊字符串，就是以&#开头的，一般是内码表示的字符
    handle_entityref    处理一些特殊字符，以&开头的，比如 &nbsp;
    handle_data         处理数据，就是<xx>data</xx>中间的那些数据

    请问下知道具体代码怎么实现吗？

bikong0411 发表于 2014-11-11 09:56

import re
try:
    from htmlentitydefs import entitydefs
except ImportError:# Python 3
    from html.entities import entitydefs


def htmlspecialchars_decode_func(m, defs=entitydefs):
    try:
      return defs
    except KeyError:
      return m.group(0)# use as is


def htmlspecialchars_decode(string):
    pattern = re.compile("&(\w+?);")
    return pattern.sub(htmlspecialchars_decode_func, string)

iocg 发表于 2014-11-11 22:46

回复 5# bikong0411


    请问这m该传入怎样的值呢？

bikong0411 发表于 2014-11-13 09:31

回复 6# iocg


    htmlspecialchars_decode(string) ，你传入string就可以了

查看完整版本: python如何将html数字编码后的文本还原？