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 &quot;&lt;tag&gt;text&lt;/tag&gt;&quot;.

>>> # Disable escaping of quotes
>>> print(html.escape(s,quote=False))
Elements are written as "&lt;tag&gt;text&lt;/tag&gt;".
>>>

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&quot.'
>>> 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！