Python在字串中處理html和xml的方法
問題
你想將HTML或者XML實體如 &entity; 或 &#code; 替換為對應的文字。 再者,你需要轉換文字中特定的字元(比如<,>,或 &)。
解決方案
如果你想替換文字字串中的 ‘<' 或者 ‘>' ,使用 html.escape() 函式可以很容易的完成。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>". >>>
如果你正在處理的是ASCII文字,並且想將非ASCII文字對應的編碼實體嵌入進去, 可以給某些I/O函式傳遞引數 errors='xmlcharrefreplace'
來達到這個目。比如:
>>> s = 'Spicy Jalapeño' >>> s.encode('ascii',errors='xmlcharrefreplace') b'Spicy Jalapeño' >>>
為了替換文字中的編碼實體,你需要使用另外一種方法。 如果你正在處理HTML或者XML文字,試著先使用一個合適的HTML或者XML解析器。 通常情況下,這些工具會自動替換這些編碼值,你無需擔心。
有時候,如果你接收到了一些含有編碼值的原始文字,需要手動去做替換, 通常你只需要使用HTML或者XML解析器的一些相關工具函式/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 >>>' >>>
討論
在生成HTML或者XML文字的時候,如果正確的轉換特殊標記字元是一個很容易被忽視的細節。 特別是當你使用 print()
函式或者其他字串格式化來產生輸出的時候。 使用像 html.escape()
的工具函式可以很容易的解決這類問題。
如果你想以其他方式處理文字,還有一些其他的工具函式比如 xml.sax.saxutils.unescapge()
可以幫助你。 然而,你應該先調研清楚怎樣使用一個合適的解析器。 比如,如果你在處理HTML或XML文字, 使用某個解析模組比如 html.parse
或 xml.etree.ElementTree
已經幫你自動處理了相關的替換細節。
以上就是Python在字串中處理html和xml的方法的詳細內容,更多關於Python在字串中處理html和xml的資料請關注我們其它相關文章!