Hom's Blog

Home Category Tags Link About RSS

Python:Escape和Unescape特殊字符

今晚(8号..)被HTML的特殊字符搞晕了..在endnote中输出的xml中使用的是HTML方式处理,将特殊符号escape掉成例如& 这种..下面是特殊符号和名字实体对照表.

特殊符号 命名实体 十进制编码 特殊符号 命名实体 十进制编码 特殊符号 命名实体 十进制编码
Α Α Α Β Β Β Γ Γ Γ
Δ Δ Δ Ε Ε Ε Ζ Ζ Ζ
Η Η Η Θ Θ Θ Ι Ι Ι
Κ Κ Κ Λ Λ Λ Μ Μ Μ
Ν Ν Ν Ξ Ξ Ξ Ο Ο Ο
Π Π Π Ρ Ρ Ρ Σ Σ Σ
Τ Τ Τ Υ Υ Υ Φ Φ Φ
Χ Χ Χ Ψ Ψ Ψ Ω Ω Ω
α α α β β β γ γ γ
δ δ δ ε ε ε ζ ζ ζ
η η η θ θ θ ι ι ι
κ κ κ λ λ λ μ μ μ
ν ν ν ξ ξ ξ ο ο ο
π π π ρ ρ ρ ς ς ς
σ σ σ τ τ τ υ υ υ
φ φ φ χ χ χ ψ ψ ψ
ω ω ω ϑ ϑ ϑ ϒ ϒ ϒ
ϖ ϖ ϖ • • • … … …
′ ′ ′ ″ ″ ″ ‾ ‾ ‾
⁄ ⁄ ⁄ ℘ ℘ ℘ ℑ ℑ ℑ
ℜ ℜ ℜ ™ ™ ™ ℵ ℵ ℵ
← ← ← ↑ ↑ ↑ → → →
↓ ↓ ↓ ↔ ↔ ↔ ↵ ↵ ↵
⇐ ⇐ ⇐ ⇑ ⇑ ⇑ ⇒ ⇒ ⇒
⇓ ⇓ ⇓ ⇔ ⇔ ⇔ ∀ ∀ ∀
∂ ∂ ∂ ∃ ∃ ∃ ∅ ∅ ∅
∇ ∇ ∇ ∈ ∈ ∈ ∉ ∉ ∉
∋ ∋ ∋ ∏ ∏ ∏ ∑ ∑ −
− − − ∗ ∗ ∗ √ √ √
∝ ∝ ∝ ∞ ∞ ∞ ∠ ∠ ∠
∧ ∧ ⊥ ∨ ∨ ⊦ ∩ ∩ ∩
∪ ∪ ∪ ∫ ∫ ∫ ∴ ∴ ∴
∼ ∼ ∼ ≅ ≅ ≅ ≈ ≈ ≅
≠ ≠ ≠ ≡ ≡ ≡ ≤ ≤ ≤
≥ ≥ ≥ ⊂ ⊂ ⊂ ⊃ ⊃ ⊃
⊄ ⊄ ⊄ ⊆ ⊆ ⊆ ⊇ ⊇ ⊇
⊕ ⊕ ⊕ ⊗ ⊗ ⊗ ⊥ ⊥ ⊥
⋅ ⋅ ⋅ ⌈ ⌈ ⌈ ⌉ ⌉ ⌉
⌊ ⌊ ⌊ ⌋ ⌋ ⌋ ◊ ◊ ◊
♠ ♠ ♠ ♣ ♣ ♣ ♥ ♥ ♥
♦ ♦ ♦       ¡ ¡ ¡
¢ ¢ ¢ £ £ £ ¤ ¤ ¤
¥ ¥ ¥ ¦ ¦ ¦ § § §
¨ ¨ ¨ © © © ª ª ª
« « « ¬ ¬ ¬   ­ ­
® ® ® ¯ ¯ ¯ ° ° °
± ± ± ² ² ² ³ ³ ³
´ ´ ´ µ µ µ ” " "
< &lt; &#60; > &gt; &#62; ’ &apos; &#39;
& &amp; &#38;            

要是想在HTML输出&lt; 实际是&amp;lt;.所以&amp;和&lt;,&gt;,&nbsp;都很重要!

Python当然有办法处理这些鬼东西.

HTML方法

可以参考: Escaping HTML

  • cgi.escape : 默认只支持& < >. 可以使用quote=True参数来支持引号. 而且该模块不支持unescape..
  • HTMLParser的HTMLParser类有unescape方法, 但木有escape方法..两者配合吧..使用一般htmlp=HTMLParser.HTMLParser(); htmlp.unescape(string), 即先创建类. 下面的示例显示直接使用类方法来转换而不是用实例的方法.
import cgi
cgi.escape( """& < >""" )
# "&amp; &lt; &gt;"
cgi.escape(string_to_escape, quote=True)

from HTMLParser import HTMLParser
>>> HTMLParser.unescape.__func__(HTMLParser, 'ss&copy;')
u'ss\xa9'

#### Manual define method..
html_escape_table = {
    "&": "&amp;",
    '"': "&quot;",
    "'": "&apos;",
    ">": "&gt;",
    "<": "&lt;",
    }

def html_escape(text):
    """Produce entities within text."""
    return "".join(html_escape_table.get(c,c) for c in text)

xml.sax.saxutils 方法

可以参考: PythonWiki:EscapingXml介绍其中使用xml.sax.saxutils方法.

  • [un]escape方法默认只能处理<&>符号..
  • quoteattr针对xml的值属性是个字符串, 此时保留其原有的''"". 他会智能地帮你加引号并且适当转义一些引号.
  • 三种方法都支持自定义的编码转换(可以是单字符, 甚至一个字符串), 使用一个字典作第二参数. 一般建议单字符仍然参考标准.
from xml.sax.saxutils import escape, unescape, quoteattr

### Basical usage
escape("< & >")
# '&lt; &amp; &gt;'
unescape("&lt; &amp; &gt;")
# "< & >"
quoteattr('some value containing " a double-quote')
# '\'some value containing " a double-quote\''


### Can use a dictionary for replacement
escape("abc", {"b": "&#98;"})
#'a&#98;c'
escape("My product, PyThingaMaJiggie, is really cool.",
        {"PyThingaMaJiggie": "&productName;"})
# 'My product, &productName;, is really cool.'


### Default not for ' and "
unescape("&apos; &quot;", {"&apos;": "'", "&quot;": '"'})
# '\' "'

### Both escape() and unescape() takes care of &, < and >.
html_escape_table = {
    '"': "&quot;",
    "'": "&apos;"
}
html_unescape_table = {v:k for k, v in html_escape_table.items()}

def html_escape(text):
    return escape(text, html_escape_table)

def html_unescape(text):
    return unescape(text, html_unescape_table)

注意: 其中的方法from xml.sax.saxutils import escape/unescape并不能处理特殊的&apos; 和 &quot;, 因为xml不需要其处理.


◆ 本文地址: http://platinhom.github.io/2016/01/03/py-escapeHTML/, 转载请注明 ◆
前一篇:　git合并多个commit
后一篇:　Python:读取和处理json数据

Contact: Hom / 已阅读()
Source 类别: Coding  标签: Python  HTML