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

Question

我想将 HTML 实体转换回人类可读的格式，例如'£' 到 '£'，'°' 到 '°' 等

我已经阅读了几篇关于这个问题的帖子

Converting html source content into readable format with Python 2.x

Decode HTML entities in Python string?

Convert XML/HTML Entities into Unicode String in Python

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？

Answer 1

显然 HTMLParser.unescape 是一个 bit more primitive之前Python 2.6 .

python 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('©')
'©'

参见 2.5 implementation与 2.6 implementation 相比/2.7 implementation