Chinaunix

标题: python如何将html数字编码后的文本还原？ [打印本页]

作者: iocg 时间: 2014-11-10 16:41
标题: 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

复制代码

1.rar (236 Bytes, 下载次数: 3)

作者: ssfjhh 时间: 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'))

复制代码

作者: reyleon 时间: 2014-11-10 19:16
回复 2# ssfjhh

这也行?

作者: iocg 时间: 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  
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？

作者: bikong0411 时间: 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[m.group(1)]
except KeyError:
      return m.group(0)  # use as is

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

作者: iocg 时间: 2014-11-11 22:46
回复 5# bikong0411

请问这m该传入怎样的值呢？

作者: bikong0411 时间: 2014-11-13 09:31
回复 6# iocg

htmlspecialchars_decode(string) ，你传入string就可以了

欢迎光临 Chinaunix (http://bbs.chinaunix.net/)