Python中如何进行HTML特殊字符与Unicode代码的转换

======================================================
注：本文源代码点此下载
======================================================

python中如何进行html特殊字符与unicode代码的转换

在处理html内容的时候经常会遇到&# 1405;&# 816;、 这样的怪字符,一般称为html特殊符号,而&#后面加一串数值,则是网页中unicode的表示形式。

html特殊符号编码对照表

通过cgi模块中的escape函数可以将常见的特殊符号转换为html的表现形式,但要转换回来,cgi模块并没有提供unescape这样的函数。

在网上找到一篇介绍如何进行这种反向转换的文章:escaping html

另外,如果得到的html代码中含有&# 1405;&# 816;这样的unicode代码,可以使用unichr函数来进行转换:

代码

def unescape_word(s):

words = re.findall("&#(\d+);", s)

if words:

result = unicode(s, "gb18030")

u = unicode()

for word in map(int, words):

h, l = word / 0x100, word % 0x100

u = unichr(l * 0x100 + h)

result = result.replace("&#%s;" % word, u)

result = result.encode("gb18030")

else:

result = s

return result

标签: python

绿色通道:好文要顶关注我收藏该文与我联系

posted @ 2010-07-27 15:32 叮叮当当 阅读(391) 评论(0)编辑 收藏

======================================================
在最后，我邀请大家参加新浪APP，就是新浪免费送大家的一个空间，支持PHP+MySql，免费二级域名，免费域名绑定 这个是我邀请的地址，您通过这个链接注册即为我的好友，并获赠云豆500个，价值5元哦！短网址是http://t.cn/SXOiLh我创建的小站每天访客已经达到2000+了，每天挂广告赚50+元哦，呵呵，饭钱不愁了，\(^o^)/