Bagaimana untuk Menyahkod Entiti HTML dalam Python?

Menyahkod Entiti HTML dalam Python: Rujukan Komprehensif

Apabila menghuraikan kandungan HTML menggunakan BeautifulSoup, seseorang mungkin menghadapi masalah dengan entiti HTML yang masih dikodkan. Untuk menyahkod entiti ini dan mendapatkan kandungan teks sebenar, pelbagai pendekatan boleh digunakan bergantung pada versi Python yang digunakan.

Python 3.4

Dalam Python 3.4 dan ke atas, html.unescape() fungsi menawarkan kaedah mudah untuk menyahkod entiti HTML:

import html
print(html.unescape('£682m'))

Ini akan mengembalikan output yang diingini: "£682m".

Python 2.6-3.3

Untuk versi Python antara 2.6 dan 3.3, kaedah HTMLParser.unescape() terbukti berguna:

try:
    # Python 2.6-2.7
    from HTMLParser import HTMLParser
except ImportError:
    # Python 3
    from html.parser import HTMLParser

h = HTMLParser()
print(h.unescape('£682m'))

Sebagai alternatif, enam perpustakaan keserasian boleh memudahkan import modul, membolehkan penggunaan HTMLParser merentas Python versi:

from six.moves.html_parser import HTMLParser
h = HTMLParser()
print(h.unescape('£682m'))

Dengan menggunakan alat Python ini, pembangun boleh menyahkod entiti HTML dengan cekap dan mendapatkan kandungan teks yang diingini untuk keperluan penghuraian mereka.

Atas ialah kandungan terperinci Bagaimana untuk Menyahkod Entiti HTML dalam Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!