73 lines
2.6 KiB
ReStructuredText
73 lines
2.6 KiB
ReStructuredText
============================
|
||
2.17 在字符串中处理html和xml
|
||
============================
|
||
|
||
----------
|
||
问题
|
||
----------
|
||
你想将HTML或者XML实体如 ``&entity;`` 或 ``&#code;`` 替换为对应的文本。
|
||
再者，你需要转换文本中特定的字符(比如<, >, 或 &)。
|
||
|
||
----------
|
||
解决方案
|
||
----------
|
||
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：
|
||
|
||
.. code-block:: python
|
||
|
||
>>> 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：
|
||
|
||
.. code-block:: python
|
||
|
||
>>> s = 'Spicy Jalapeño'
|
||
>>> s.encode('ascii', errors='xmlcharrefreplace')
|
||
b'Spicy Jalapeño'
|
||
>>>
|
||
|
||
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：
|
||
|
||
.. code-block:: python
|
||
|
||
>>> s = 'Spicy "Jalapeño".'
|
||
>>> from html.parser import HTMLParser
|
||
>>> p = HTMLParser()
|
||
>>> p.unescape(s)
|
||
'Spicy "Jalapeño".'
|
||
>>>
|
||
>>> t = 'The prompt is >>>'
|
||
>>> 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。
|
||
|