问题
你想将HTML或者XML实体如 &entity; 或 &#code; 替换为对应的文本。 再者,你需要转换文本中特定的字符(比如<, >, 或 &)。
解决方案
如果你想替换文本字符串中的 ‘<' 或者 ‘>' ,使用 html.escape() 函数可以很容易的完成。比如:
> s = 'Elements are written as "<tag>text</tag>".' > import html > print(s) Elements are written as "<tag>text</tag>". > print(html.escape(s)) Elements are written as "<tag>text</tag>". > # Disable escaping of quotes > print(html.escape(s, quote=False)) Elements are written as "<tag>text</tag>". >
如果你正在处理的是ASCII文本,并且想将非ASCII文本对应的编码实体嵌入进去, 可以给某些I/O函数传递参数 errors='xmlcharrefreplace'
来达到这个目。比如:
> s = 'Spicy Jalapeño' > s.encode('ascii', errors='xmlcharrefreplace') b'Spicy Jalapeño' >
为了替换文本中的编码实体,你需要使用另外一种方法。 如果你正在处理HTML或者XML文本,试着先使用一个合适的HTML或者XML解析器。 通常情况下,这些工具会自动替换这些编码值,你无需担心。
有时候,如果你接收到了一些含有编码值的原始文本,需要手动去做替换, 通常你只需要使用HTML或者XML解析器的一些相关工具函数/方法即可。比如:
> s = 'Spicy "Jalapeño".' > from html.parser import HTMLParser > p = HTMLParser() > p.unescape(s) 'Spicy "Jalapeño".' > > t = 'The prompt is >>>' > from xml.sax.saxutils import unescape > unescape(t) 'The prompt is >' >
讨论
在生成HTML或者XML文本的时候,如果正确的转换特殊标记字符是一个很容易被忽视的细节。 特别是当你使用 print()
函数或者其他字符串格式化来产生输出的时候。 使用像 html.escape()
的工具函数可以很容易的解决这类问题。
如果你想以其他方式处理文本,还有一些其他的工具函数比如 xml.sax.saxutils.unescapge()
可以帮助你。 然而,你应该先调研清楚怎样使用一个合适的解析器。 比如,如果你在处理HTML或XML文本, 使用某个解析模块比如 html.parse
或 xml.etree.ElementTree
已经帮你自动处理了相关的替换细节。
以上就是Python在字符串中处理html和xml的方法的详细内容,更多关于Python在字符串中处理html和xml的资料请关注其它相关文章!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!