python处理字符串为html_python处理html转义字符的方法详解

本文实例讲述了python处理html转义字符的方法。分享给大家供大家参考，具体如下：

最近在用Python处理网页数据时，经常遇到一些html转义字符(也叫html字符实体)，例如<> 等。字符实体一般是为了表示网页中的预留字符，比如>用>表示，防止被浏览器认为是标签，具体参考w3school的HTML 字符实体。虽然很有用，但是它们会极度影响对于网页数据的解析。为了处理这些转义字符，有如下解决方案：

1、使用HTMLParser处理

import HTMLParser

html_cont = " asdfg>123<"

html_parser = HTMLParser.HTMLParser()

new_cont = html_parser.unescape(html_cont)

print new_cont #new_cont = " asdfg>123

转换回去(只是空格转不回去了)：

import cgi

new_cont = cgi.escape(new_cont)

print new_cont #new_cont = " asdfg>123<"

2、直接挨个替换

html_cont = " asdfg>123<"

new_cont = new_cont.replace(' ', ' ')

print new_cont #new_cont = " asdfg>123<"

new_cont = new_cont.replace('>', '>')

print new_cont #new_cont = " asdfg>123<"

new_cont = new_cont.replace('<', '

print new_cont #new_cont = " asdfg>123

不知道还有没有更好的办法。

希望本文所述对大家Python程序设计有所帮助。