如何在Python 3.1中取消转义字符串中的HTML实体？

Question

我环顾了四周，只找到了Python2.6和更早版本的解决方案，但在Python3.X中没有关于如何做到这一点的任何内容（我只能访问Win7 box）

我必须能够在3.1中做到这一点，最好没有外部库。目前，我已经安装了httplib2并可以访问命令提示符curl（这就是我获取页面源代码的方式）。不幸的是，curl没有解码html实体，据我所知，我在文档中找不到解码它的命令。

是的，我试过让漂亮的汤工作，很多次在3.X中都没有成功。如果你能提供如何在微软Windows环境下让它在python 3中工作的明确说明，我将非常感激。

所以，为了清楚起见，我需要把这样的字符串：Suzy & John变成这样的字符串：“Suzy&John”。

Answer 1

您可以使用函数html.unescape：

在Python3.4+中（感谢J.F.Sebastian的更新）：

import html
html.unescape('Suzy & John')
# 'Suzy & John'

html.unescape('"')
# '"'

在Python3.3或更早的时候：

import html.parser    
html.parser.HTMLParser().unescape('Suzy & John')

在Python2中：

import HTMLParser
HTMLParser.HTMLParser().unescape('Suzy & John')

Answer 2

您可以为此目的使用^{}。该模块包含在Python标准库中，可在Python 2.x和Python 3.x之间移植

>>> import xml.sax.saxutils as saxutils
>>> saxutils.unescape("Suzy & John")
'Suzy & John'

Answer 3

显然，我没有足够高的声誉做任何事，除了张贴这个。联合国大学的答复并没有改变引文。我唯一发现的就是这个功能：

import re
from htmlentitydefs import name2codepoint as n2cp

def decodeHtmlentities(string):
    def substitute_entity(match):        
        ent = match.group(2)
        if match.group(1) == "#":
            return unichr(int(ent))
        else:
            cp = n2cp.get(ent)
            if cp:
                return unichr(cp)
            else:
                return match.group()
    entity_re = re.compile("&(#?)(\d{1,5}|\w{1,8});")
    return entity_re.subn(substitute_entity, string)[0]

我从这里得到的。