将 HTML 实体转换为 Unicode，反之亦然

Question

如何在 Python 中将 HTML 实体转换为 Unicode，反之亦然？

原文由 hekevintran 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

你需要有 BeautifulSoup 。

 from BeautifulSoup import BeautifulStoneSoup
import cgi

def HTMLEntitiesToUnicode(text):
    """Converts HTML entities to unicode.  For example '&' becomes '&'."""
    text = unicode(BeautifulStoneSoup(text, convertEntities=BeautifulStoneSoup.ALL_ENTITIES))
    return text

def unicodeToHTMLEntities(text):
    """Converts unicode to HTML entities.  For example '&' becomes '&'."""
    text = cgi.escape(text).encode('ascii', 'xmlcharrefreplace')
    return text

text = "&, ®, <, >, ¢, £, ¥, €, §, ©"

uni = HTMLEntitiesToUnicode(text)
htmlent = unicodeToHTMLEntities(uni)

print uni
print htmlent
# &, ®, <, >, ¢, £, ¥, €, §, ©
# &amp;, &#174;, &lt;, &gt;, &#162;, &#163;, &#165;, &#8364;, &#167;, &#169;

原文由 hekevintran 发布，翻译遵循 CC BY-SA 2.5 许可协议

Answer 2

至于“反之亦然”（我需要自己，让我找到这个问题，但没有帮助，随后 另一个网站有答案）：

 u'some string'.encode('ascii', 'xmlcharrefreplace')

将返回一个纯字符串，其中任何非 ascii 字符都转换为 XML (HTML) 实体。

原文由 Isaac 发布，翻译遵循 CC BY-SA 2.5 许可协议