用Python處理HTML轉義字符的5種方式-創(chuàng)新互聯

寫爬蟲是一個發(fā)送請求，提取數據，清洗數據，存儲數據的過程。在這個過程中，不同的數據源返回的數據格式各不相同，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。

創(chuàng)新互聯堅信：善待客戶，將會成為終身客戶。我們能堅持多年，是因為我們一直可值得信賴。我們從不忽悠初訪客戶，我們用心做好本職工作，不忘初心，方得始終。十多年網站建設經驗創(chuàng)新互聯是成都老牌網站營銷服務商,為您提供網站制作、成都網站建設、網站設計、H5開發(fā)、網站制作、高端網站設計、微信平臺小程序開發(fā)服務,給眾多知名企業(yè)提供過好品質的建站服務。

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 &lt;，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&lt; 。

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。

Python3 把 HTMLParser 模塊遷移到 html.parser

到 python3.4 之后的版本，在 html 模塊新增了 unescape 方法。

推薦最后一種寫法，因為 HTMLParser.unescape 方法在 Python3.4 就已經被廢棄掉不推薦使用，意味著之后的版本有可能會被徹底移除。

另外，sax 模塊也有支持反轉義的函數

當然，你完全可以實現自己的反轉義功能，不復雜，當然，我們崇尚不重復造輪子。

另外有需要云服務器可以了解下創(chuàng)新互聯cdcxhl.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

當前題目：用Python處理HTML轉義字符的5種方式-創(chuàng)新互聯
文章網址：http://muchs.cn/article6/djggig.html

成都網站建設公司_創(chuàng)新互聯，為您提供網站維護、ChatGPT、網頁設計公司、搜索引擎優(yōu)化、虛擬主機、網站改版

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯