Python对HTML转义字符进行反转义

Python培训

什么是转义字符

在 HTML 中 <、>、& 等字符有特殊含义（<，> 用于标签中，& 用于转义），他们不能在 HTML 代码中直接使用，如果要在网页中显示这些符号，就需要使用 HTML 的转义字符串（Escape Sequence），例如 < 的转义字符是 <，浏览器渲染 HTML 页面时，会自动把转移字符串换成真实字符。

转义字符（Escape Sequence）由三部分组成：第一部分是一个 & 符号，第二部分是实体（Entity）名字，第三部分是一个分号。比如，要显示小于号（<），就可以写< 。

显示字符说明转义字符

< 小于 <

空格

< 小于 <

> 大于 >

& &符号 &

" 双引号 "

® 已注册商标 ®

Python 转义字符串反转义

用 Python 来处理转义字符串有多种方式，而且 py2 和 py3 中处理方式不一样，在 python2 中，反转义的模块是 HTMLParser。

# Python2import HTMLParser>>> HTMLParser().unescape('param=p1&amp;param=p2')'param=p1&param=p2'

Python3 HTMLParser 模块迁移到了 html.parser

# Python3>>> from html.parser import HTMLParser>>> HTMLParser().unescape('param=p1&amp;param=p2')'param=p1&param=p2'

到 python3.4 以后的版本，在 html 模块新增了 unescape 方法。

# Python3.4>>> import html>>> html.unescape('param=p1&amp;param=p2')'param=p1&param=p2'

推荐最后一种写法，因为 HTMLParser.unescape 方法在 Python3.4 就已经被废弃掉不推荐使用了，意味着之后的版本会被彻底移除。

另外，xml的sax模块也有支持反转义的函数

>>> from xml.sax.saxutils import unescape>>> unescape('param=p1&amp;param=p2')'param=p1&param=p2'

上一篇：CentOS 7下编译安装Python3

下一篇：Python递归算法详解