带着美丽的团队逃离&hellip

Question

我目前正在使用BeautifulSoup来抓取一些网站，但是我对一些特定的字符有问题，UnicodedAmm里面的代码似乎表明这（再次）是微软发明的。在

我使用的是beauthulsoup（3.0.8.1）的最新版本，因为我仍然使用python2.5

以下代码说明了我的问题：

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup('...Baby One More Time (Digital Deluxe Version…')
print soup

'...Baby One More Time (Digital Deluxe Version…'

正如您所看到的，问题是末尾的“…”（&hellip）字符（您的浏览器可能正确地转义了该字符）。很明显，我不感兴趣。在

如果有这个字符unicode表示或其他什么的话，那就太好了。 即使完全无视它也能解决我的特殊问题。在

我怎么能用BeautifulSoup做到这一点？在

Answer 1

我自己找到了解决办法：

soup = BeautifulSoup('...Baby One More Time (Digital Deluxe Version…', convertEntities="html")

Answer 2

微软可能发明了它，但是…是html4的一部分：http://www.w3.org/TR/REC-html40/sgml/entities.html

也许您的Lib/htmlentitydefs.py丢失或过期，因为beauthoulsoup正是用这个来转换实体的。在

如果您查看the Python 2.5 source tree，您将清楚地看到它定义在第126行。在