python如何将html数字编码后的文本还原？

iocg

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

1. 我爱 <chinaunix> 论坛
   
2. I love "chinaunix" Forums
   
3. 私は&chinaunix&フォーラムが大好き
   
4. Je l'àime ¿chinaunix¿ Förums

复制代码

1.rar (236 Bytes, 下载次数: 3)

2014-11-10 16:51 上传

点击文件名下载附件
html编码后

ssfjhh

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

复制代码

reyleon

回复 2# ssfjhh


    这也行?

iocg

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

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)

iocg

回复 5# bikong0411


    请问这m该传入怎样的值呢？

bikong0411

回复 6# iocg


    htmlspecialchars_decode(string) ，你传入string就可以了