python如何在字符串中处理html和xml

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&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 Jalape&#241;o’

>>>

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&quot;Jalape&#241;o&quot.’>>> from html.parser import HTMLParser

>>> p= HTMLParser()>>> p.unescape(s)

‘Spicy”Jalapeño”.’>>>

>>> t=’The prompt is&gt;&gt;&gt;’

>>> 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。