HTML：在Python 3中将iso88591编码的智能引号转换为简单引号

Question

我正在尝试用Python3解析和清理一个HTML文件。我正在使用BeautifulSoup的get_text方法，使用lxml作为解析器（以及urllib等）

考虑到iso-8859-1编码的HTML中的you’ve这样的文本及其“智能”撇号/引号，我很难获得干净的文本，因此它会变成you've

我试着把它通过utf-8再放回去，但它把文本弄得一团糟

课程的一部分：

   self.html = response.read()
   self.html_parser = BeautifulSoup(self.html, "lxml")
   decodedStr = self.html.decode('iso-8859-1')
   encodedByt = decodedStr.encode('utf-8')
   table = str.maketrans(dict.fromkeys([0x201c, 0x201d, 0x2018, 0x2019]))
   encodedStr = str(encodedByt).translate(table)
   self.html = encodedStr.encode('iso-8859-1')

有非Ascii字符，“you<0x92>ve”--所以quopri不适合我

我只是在学习Python，如果您能给我一些建议，让我用一种更地道或更好的方式来学习Python，我将不胜感激。谢谢

更新：

这有助于；似乎str需要指定编码（除了省略号，这些代码正在被翻译）

   transl_table = dict( [ (ord(x), ord(y)) for x,y in zip( u"‘’´“”–-…",  u"'''\"\"--\u2606") ] ) 
   encodedStr = str(encodedByt, 'utf-8').translate(transl_table)
   self.html = encodedStr.encode('utf-8', 'strict')

Answer 1

试试这个

table = str.maketrans({'’': "'"})

希望有帮助