在PYTHON中使用UNESCAPE HTML實體

這段代碼可能對某些人有用胡嘿,

def parsefile(path):

???try:

??????file = open(path, "r")

??????fileread = file.read()

??????fileread = unescape(fileread.decode('utf-8')).encode('utf-8')

??????file.close()

???except:

??????print "Reading File Bug"

??????sys.exit(1)

???return ET.fromstring(fileread)

該吃UNESCAPE HTML實體程序已于弗雷德里克Lundh開發(fā)網(wǎng)站上找到。代碼做得太多了服协,因為它正在轉(zhuǎn)換&,& gt;而且<逞敷。我希望將這些保存在URL中以及我已轉(zhuǎn)義代碼段的位置狂秦。所以我稍微修改了它以滿足我自己的需要灌侣。

def unescape(text):

???"""Removes HTML or XML character references

??????and entities from a text string.

??????keep &推捐,&?gt; &ltin the source code.

???from Fredrik Lundh

???http://effbot.org/zone/re-sub.htm#unescape-html

???"""

???def fixup(m):

??????text = m.group(0)

??????if text[:2] == "&#":

?????????# character reference

?????????try:

????????????if text[:3] == "&#x":

???????????????return unichr(int(text[3:-1], 16))

????????????else:

???????????????return unichr(int(text[2:-1]))

?????????except ValueError:

????????????print "erreur de valeur"

????????????pass

??????else:

?????????# named entity

?????????try:

????????????if text[1:-1] == "amp":

???????????????text = "&"

????????????elif text[1:-1] == "gt":

???????????????text = ">"

????????????elif text[1:-1] == "lt":

???????????????text = "<"

????????????else:

???????????????print text[1:-1]

???????????????text = unichr(htmlentitydefs.name2codepoint])

?????????except KeyError:

????????????print "keyerror"

????????????pass

??????return text # leave as is

???return re.sub("&#?w+;", fixup, text)

希望能幫助到你。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末侧啼,一起剝皮案震驚了整個濱河市牛柒,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌痊乾,老刑警劉巖皮壁,帶你破解...
    沈念sama閱讀 218,682評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異哪审,居然都是意外死亡蛾魄,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,277評論 3 395
  • 文/潘曉璐 我一進店門湿滓,熙熙樓的掌柜王于貴愁眉苦臉地迎上來滴须,“玉大人,你說我怎么就攤上這事叽奥∪铀” “怎么了?”我有些...
    開封第一講書人閱讀 165,083評論 0 355
  • 文/不壞的土叔 我叫張陵朝氓,是天一觀的道長魔市。 經(jīng)常有香客問我,道長赵哲,這世上最難降的妖魔是什么待德? 我笑而不...
    開封第一講書人閱讀 58,763評論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮枫夺,結(jié)果婚禮上将宪,老公的妹妹穿的比我還像新娘。我一直安慰自己筷屡,他們只是感情好涧偷,可當我...
    茶點故事閱讀 67,785評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著毙死,像睡著了一般燎潮。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上扼倘,一...
    開封第一講書人閱讀 51,624評論 1 305
  • 那天确封,我揣著相機與錄音除呵,去河邊找鬼。 笑死爪喘,一個胖子當著我的面吹牛颜曾,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播秉剑,決...
    沈念sama閱讀 40,358評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼泛豪,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了侦鹏?” 一聲冷哼從身側(cè)響起诡曙,我...
    開封第一講書人閱讀 39,261評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎略水,沒想到半個月后价卤,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,722評論 1 315
  • 正文 獨居荒郊野嶺守林人離奇死亡渊涝,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,900評論 3 336
  • 正文 我和宋清朗相戀三年慎璧,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片跨释。...
    茶點故事閱讀 40,030評論 1 350
  • 序言:一個原本活蹦亂跳的男人離奇死亡胸私,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出煤傍,到底是詐尸還是另有隱情盖文,我是刑警寧澤,帶...
    沈念sama閱讀 35,737評論 5 346
  • 正文 年R本政府宣布蚯姆,位于F島的核電站五续,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏龄恋。R本人自食惡果不足惜疙驾,卻給世界環(huán)境...
    茶點故事閱讀 41,360評論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望郭毕。 院中可真熱鬧它碎,春花似錦、人聲如沸显押。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,941評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽乘碑。三九已至挖息,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間兽肤,已是汗流浹背套腹。 一陣腳步聲響...
    開封第一講書人閱讀 33,057評論 1 270
  • 我被黑心中介騙來泰國打工绪抛, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人电禀。 一個月前我還...
    沈念sama閱讀 48,237評論 3 371
  • 正文 我出身青樓幢码,卻偏偏與公主長得像,于是被迫代替她去往敵國和親尖飞。 傳聞我的和親對象是個殘疾皇子症副,可洞房花燭夜當晚...
    茶點故事閱讀 44,976評論 2 355

推薦閱讀更多精彩內(nèi)容