HTMLParser.HTMLParser().unescape() 不起作用

Question

我想将 HTML 实体转换回其人类可读格式，例如 '£' 转换为“£”， '°' 转换为“°”等。

我已经阅读了几篇关于这个问题的帖子

使用 Python 2.x 将 html 源内容转换为可读格式

解码 Python 字符串中的 HTML 实体？

在 Python 中将 XML/HTML 实体转换为 Unicode 字符串

根据他们的说法，我选择使用未记录的函数 unescape()，但它对我不起作用……

我的代码示例如下：

 import HTMLParser

htmlParser = HTMLParser.HTMLParser()
decoded = htmlParser.unescape('© 2013')
print decoded

当我运行这个 python 脚本时，输出仍然是：

 © 2013

代替

© 2013

我正在使用 Python 2.X，在 Windows 7 和 Cygwin 控制台上工作。我用谷歌搜索并没有发现任何类似的问题..任何人都可以帮我解决这个问题吗？

原文由 D.Q. 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

显然 HTMLParser.unescape 在 Python 2.6 之前 有点原始。

蟒蛇2.5：

 >>> import HTMLParser
>>> HTMLParser.HTMLParser().unescape('©')
'©'

Python 2.⁶⁄₂.7：

 >>> import HTMLParser
>>> HTMLParser.HTMLParser().unescape('©')
u'\xa9'

更新：Python 3.4+：

 >>> import html
>>> html.unescape('©')
'©'

查看 2.5 实施 与 2.6 实施 /2.7 实施

原文由 DrMeers 发布，翻译遵循 CC BY-SA 4.0 许可协议