Python에서 XML/HTML 엔터티를 유니코드 문자열로 변환하는 방법은 무엇입니까?

Python에서 XML/HTML 엔터티를 유니코드 문자열로 변환

웹 스크래핑에서 엔터티는 ASCII가 아닌 문자를 나타내는 데 자주 사용됩니다. Python에서 이러한 엔터티를 디코딩하고 해당 유니코드 표현을 얻으려면 표준 라이브러리의 HTMLParser 모듈에서 사용할 수 있는 unescape() 함수를 활용할 수 있습니다.

예:

가정 다음 엔터티가 있습니다.

ǎ

성조 표시가 있는 "ē"를 나타냅니다. 이에 해당하는 이진수는 01ce(16비트)입니다. 이 엔터티를 유니코드 값 u'u01ce'로 변환하려면:

Python 3.4 이하:

import HTMLParser
h = HTMLParser.HTMLParser()
unicode_string = h.unescape('© 2010') # u'\xa9 2010'
unicode_string = h.unescape('© 2010') # u'\xa9 2010'

Python 3.4 이상:

import html
unicode_string = html.unescape('© 2010') # u'\xa9 2010'
unicode_string = html.unescape('© 2010') # u'\xa9 2010'

결과 unicode_string에는 실제 유니코드 값으로 대체된 엔터티와 함께 ​​문자열의 원하는 유니코드 표현이 포함됩니다.

위 내용은 Python에서 XML/HTML 엔터티를 유니코드 문자열로 변환하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!