詳解用Python處理HTML轉義字符的5種方式
寫爬蟲是一個發(fā)送請求，提取數(shù)據(jù)，清洗數(shù)據(jù)，存儲數(shù)據(jù)的過程。在這個過程中，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，不過大部分還是 HTML 文檔，HTML 經(jīng)常會混雜有轉移字符，這些字符我們需要把它轉義成真正的字符。
什么是轉義字符
在 HTML 中 <、>、& 等字符有特殊含義（<，> 用于標簽中，& 用于轉義），他們不能在 HTML 代碼中直接使用，如果要在網(wǎng)頁中顯示這些符號，就需要使用 HTML 的轉義字符串（Escape Sequence），例如 < 的轉義字符是 <，瀏覽器渲染 HTML 頁面時，會自動把轉移字符串換成真實字符。
轉義字符（Escape Sequence）由三部分組成：第一部分是一個 & 符號，第二部分是實體（Entity）名字，第三部分是一個分號。 比如，要顯示小于號（<），就可以寫< 。
| 顯示字符 | 說明 | 轉義字符 |
|---|---|---|
| < | 小于 | < |
| 空格 | ||
| < | 小于 | < |
| > | 大于 | > |
| & | &符號 | & |
| " | 雙引號 | " |
| © | 版權 | © |
| ® | 已注冊商標 | ® |
Python 反轉義字符串
用 Python 來處理轉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'
推薦最后一種寫法，因為 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被徹底移除。
另外，sax 模塊也有支持反轉義的函數(shù)
>>> from xml.sax.saxutils import unescape
>>> unescape('a=1&b=2')
'a=1&b=2'
當然，你完全可以實現(xiàn)自己的反轉義功能，也不復雜，當然，我們崇尚不重復造輪子。
以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
相關文章
notepad–是一個國產(chǎn)跨平臺、輕量級的文本編輯器,是替換notepad++的一種選擇,notepad特點支持Window/Mac/Linux操作系統(tǒng)平臺,支持其他notepad競品的常用功能,這篇文章給大家介紹Notepad 輕量級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
這篇文章主要介紹了Matplotlib使用字符串代替變量繪制散點圖的方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-02-02
這篇文章主要介紹了Python PyInstaller庫基本使用方法,結合實例形式分析了Python PyInstaller庫的功能、安裝及相關使用注意事項,需要的朋友可以參考下2019-12-12
如何利用python的tkinter實現(xiàn)一個簡單的計算器
這篇文章主要給大家介紹了關于如何利用python的tkinter實現(xiàn)一個簡單的計算器的相關資料,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-04-04
Django-xadmin后臺導入json數(shù)據(jù)及后臺顯示信息圖標和主題更改方式
這篇文章主要介紹了Django-xadmin后臺導入json數(shù)據(jù)及后臺顯示信息圖標和主題更改方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03
今天小編就為大家分享一篇python3 實現(xiàn)驗證碼圖片切割的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
springboot aop方式實現(xiàn)接口入?yún)⑿ｒ灥氖纠a
在實際開發(fā)項目中,我們常常需要對接口入?yún)⑦M行校驗,本文主要介紹了springboot aop方式實現(xiàn)接口入?yún)⑿ｒ灥氖纠a,具有一定的參考價值,感興趣的可以了解一下2023-08-08
Python實現(xiàn)如何根據(jù)文件后綴進行分類
本文主要為大家詳細介紹了如何通過python實現(xiàn)根據(jù)文件后綴實現(xiàn)分類，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以關注一下2021-12-12
這篇文章主要介紹了python 實現(xiàn)簡易的記事本的示例代碼，幫助大家更好的理解和學習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的問題
在本篇文章里小編給大家整理了一篇關于Python 解決空列表.append() 輸出為None的問題的相關內(nèi)容，有興趣的朋友們可以學習下。2021-05-05