詳解用Python處理HTML轉(zhuǎn)義字符的5種方式
寫(xiě)爬蟲(chóng)是一個(gè)發(fā)送請(qǐng)求，提取數(shù)據(jù)，清洗數(shù)據(jù)，存儲(chǔ)數(shù)據(jù)的過(guò)程。在這個(gè)過(guò)程中，不同的數(shù)據(jù)源返回的數(shù)據(jù)格式各不相同，有 JSON 格式，有 XML 文檔，不過(guò)大部分還是 HTML 文檔，HTML 經(jīng)常會(huì)混雜有轉(zhuǎn)移字符，這些字符我們需要把它轉(zhuǎn)義成真正的字符。
什么是轉(zhuǎn)義字符
在 HTML 中 <、>、& 等字符有特殊含義（<，> 用于標(biāo)簽中，& 用于轉(zhuǎn)義），他們不能在 HTML 代碼中直接使用，如果要在網(wǎng)頁(yè)中顯示這些符號(hào)，就需要使用 HTML 的轉(zhuǎn)義字符串（Escape Sequence），例如 < 的轉(zhuǎn)義字符是 <，瀏覽器渲染 HTML 頁(yè)面時(shí)，會(huì)自動(dòng)把轉(zhuǎn)移字符串換成真實(shí)字符。
轉(zhuǎn)義字符（Escape Sequence）由三部分組成：第一部分是一個(gè) & 符號(hào)，第二部分是實(shí)體（Entity）名字，第三部分是一個(gè)分號(hào)。 比如，要顯示小于號(hào)（<），就可以寫(xiě)< 。
| 顯示字符 | 說(shuō)明 | 轉(zhuǎn)義字符 |
|---|---|---|
| < | 小于 | < |
| 空格 | ||
| < | 小于 | < |
| > | 大于 | > |
| & | &符號(hào) | & |
| " | 雙引號(hào) | " |
| © | 版權(quán) | © |
| ® | 已注冊(cè)商標(biāo) | ® |
Python 反轉(zhuǎn)義字符串
用 Python 來(lái)處理轉(zhuǎn)義字符串有多種方式，而且 py2 和 py3 中處理方式不一樣，在 python2 中，反轉(zhuǎn)義串的模塊是 HTMLParser。
# python2
import HTMLParser
>>> HTMLParser().unescape('a=1&b=2')
'a=1&b=2'
Python3 HTMLParser 模塊遷移到了 html.parser
# python3
>>> from html.parser import HTMLParser
>>> HTMLParser().unescape('a=1&b=2')
'a=1&b=2'
到 python3.4 以后的版本，在 html 模塊新增了 unescape 方法。
# python3.4
>>> import html
>>> html.unescape('a=1&b=2')
'a=1&b=2'
推薦最后一種寫(xiě)法，因?yàn)?HTMLParser.unescape 方法在 Python3.4 就已經(jīng)被廢棄掉不推薦使用了，意味著之后的版本會(huì)被徹底移除。
另外，sax 模塊也有支持反轉(zhuǎn)義的函數(shù)
>>> from xml.sax.saxutils import unescape
>>> unescape('a=1&b=2')
'a=1&b=2'
當(dāng)然，你完全可以實(shí)現(xiàn)自己的反轉(zhuǎn)義功能，也不復(fù)雜，當(dāng)然，我們崇尚不重復(fù)造輪子。
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
notepad–是一個(gè)國(guó)產(chǎn)跨平臺(tái)、輕量級(jí)的文本編輯器,是替換notepad++的一種選擇,notepad特點(diǎn)支持Window/Mac/Linux操作系統(tǒng)平臺(tái),支持其他notepad競(jìng)品的常用功能,這篇文章給大家介紹Notepad 輕量級(jí)文本編輯器的安裝及基本使用,感興趣的朋友一起看看吧2024-01-01
Matplotlib使用字符串代替變量繪制散點(diǎn)圖的方法
這篇文章主要介紹了Matplotlib使用字符串代替變量繪制散點(diǎn)圖的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-02-02
Python PyInstaller庫(kù)基本使用方法分析
這篇文章主要介紹了Python PyInstaller庫(kù)基本使用方法,結(jié)合實(shí)例形式分析了Python PyInstaller庫(kù)的功能、安裝及相關(guān)使用注意事項(xiàng),需要的朋友可以參考下2019-12-12
如何利用python的tkinter實(shí)現(xiàn)一個(gè)簡(jiǎn)單的計(jì)算器
這篇文章主要給大家介紹了關(guān)于如何利用python的tkinter實(shí)現(xiàn)一個(gè)簡(jiǎn)單的計(jì)算器的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-04-04
Django-xadmin后臺(tái)導(dǎo)入json數(shù)據(jù)及后臺(tái)顯示信息圖標(biāo)和主題更改方式
這篇文章主要介紹了Django-xadmin后臺(tái)導(dǎo)入json數(shù)據(jù)及后臺(tái)顯示信息圖標(biāo)和主題更改方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-03-03
python3 實(shí)現(xiàn)驗(yàn)證碼圖片切割的方法
今天小編就為大家分享一篇python3 實(shí)現(xiàn)驗(yàn)證碼圖片切割的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-12-12
springboot aop方式實(shí)現(xiàn)接口入?yún)⑿ｒ?yàn)的示例代碼
在實(shí)際開(kāi)發(fā)項(xiàng)目中,我們常常需要對(duì)接口入?yún)⑦M(jìn)行校驗(yàn),本文主要介紹了springboot aop方式實(shí)現(xiàn)接口入?yún)⑿ｒ?yàn)的示例代碼,具有一定的參考價(jià)值,感興趣的可以了解一下2023-08-08
Python實(shí)現(xiàn)如何根據(jù)文件后綴進(jìn)行分類(lèi)
本文主要為大家詳細(xì)介紹了如何通過(guò)python實(shí)現(xiàn)根據(jù)文件后綴實(shí)現(xiàn)分類(lèi)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以關(guān)注一下2021-12-12
python 實(shí)現(xiàn)簡(jiǎn)易的記事本
這篇文章主要介紹了python 實(shí)現(xiàn)簡(jiǎn)易的記事本的示例代碼，幫助大家更好的理解和學(xué)習(xí)python，感興趣的朋友可以了解下2020-11-11
Python 解決空列表.append() 輸出為None的問(wèn)題
在本篇文章里小編給大家整理了一篇關(guān)于Python 解決空列表.append() 輸出為None的問(wèn)題的相關(guān)內(nèi)容，有興趣的朋友們可以學(xué)習(xí)下。2021-05-05