Python處理HTML逸出字元

標籤：

轉載自：http://www.cnblogs.com/xuxn/archive/2011/08/12/parse-html-escape-characters-in-python.html

抓網頁資料經常遇到例如>或者 這種HTML轉義符，抓到字串裡很是煩人。

比方說一個從網頁中抓到的字串

html = ‘<abc>‘

用Python可以這樣處理：

import HTMLParserhtml_parser = HTMLParser.HTMLParser()txt = html_parser.unescape(html) #這樣就得到了txt = ‘<abc>‘

如果還想轉回去，可以這樣：

import cgihtml = cgi.escape(txt) # 這樣又回到了 html = ‘<abc&gt‘

 來迴轉的功能還分了兩個模組實現，挺奇怪。沒找到更優美的方法，歡迎補充哈~

Python處理HTML逸出字元