Python HTMLParser处理HTML转义字符

抓网页数据经常遇到例如>或者 这种HTML转义符,抓到字符串里很是烦人。比方说一个从网页中抓到的字符串:



<br />
html = '<abc>'
用Python可以这样处理:



<br />
import HTMLParser
html_parser = HTMLParser.HTMLParser()
txt = html_parser.unescape(html) #这样就得到了txt = ''
如果还想转回去,可以这样:
import cgi
html = cgi.escape(txt) # 这样又回到了 html = '<abc>'
<br />

Python HTMLParser处理HTML转义字符》有1条评论

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注