2.17 在字符串中處理html和xml · Python3 CookBook中文版

## 問題你想將HTML或者XML實體如 `&entity;` 或 `&#code;` 替換為對應的文本。再者，你需要轉換文本中特定的字符(比如<, >, 或 &)。 ## 解決方案如果你想替換文本字符串中的 ‘<' 或者 ‘>' ，使用 `html.escape()` 函數可以很容易的完成。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文本，并且想將非ASCII文本對應的編碼實體嵌入進去，可以給某些I/O函數傳遞參數 `errors='xmlcharrefreplace'` 來達到這個目。比如： >>> s = 'Spicy Jalape?o' >>> s.encode('ascii', errors='xmlcharrefreplace') b'Spicy Jalapeño' >>> 為了替換文本中的編碼實體，你需要使用另外一種方法。如果你正在處理HTML或者XML文本，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本，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數/方法即可。比如： >>> s = 'Spicy "Jalapeño&quot.' >>> from html.parser import HTMLParser >>> p = HTMLParser() >>> p.unescape(s) 'Spicy "Jalape?o".' >>> >>> t = 'The prompt is >>>' >>> from xml.sax.saxutils import unescape >>> unescape(t) 'The prompt is >>>' >>> ## 討論在生成HTML或者XML文本的時候，如果正確的轉換特殊標記字符是一個很容易被忽視的細節。特別是當你使用 `print()` 函數或者其他字符串格式化來產生輸出的時候。使用像 `html.escape()` 的工具函數可以很容易的解決這類問題。如果你想以其他方式處理文本，還有一些其他的工具函數比如 `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文本，使用某個解析模塊比如 `html.parse` 或 `xml.etree.ElementTree` 已經幫你自動處理了相關的替換細節。