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 &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 Jalapeño’>>> s.encode(’ascii’, errors=’xmlcharrefreplace’)b’Spicy Jalape&#241;o’>>>

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 &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 >>>’>>>

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。

以上就是Python在字符串中處理html和xml的方法的詳細內容，更多關于Python在字符串中處理html和xml的資料請關注好吧啦網其它相關文章！