Python高级字符串转义

Question

我在python中有一个字符串。我用escape（）去掉换行符，现在我的字符串如下所示：

<p>Wie hoch ist der Anteil «oraler MS-Medikamente»
bei Neuverschreibungen in Ihrer Sprechstunde? </p>

但它应该是这样的

Wie hoch ist der Anteil oraler MS-Medikamente bei Neuverschreibungen in Ihrer Sprechstunde?

我能做什么？你知道吗

Answer 1

您可以unescape字符串，以便取回HTML标记：

import HTMLParser
parser = HTMLParser.HTMLParser()
str = parser.unescape(str)

然后使用一些正则表达式删除HTML标记：

p = re.compile(r'<.*?>')
return p.sub('', str)

我并不推荐使用regex来解析HTML，您可以使用BeautifulSoup。你知道吗

Answer 2

1. 尝试解码（反向转义）。
   HTML编码器/解码器-将字符转换为相应的HTML实体-Web 2.0生成器http://goo.gl/2tcml1

2. 您也可以使用此提示

import BeautifulSoup

soup= BeautifulSoup(raw_html)
cleantext = soup.text

Answer 3

在字符列表中列出所有不必要的符号，然后替换它们：

string = '<p>Wie hoch ist der Anteil «oraler MS-Medikamente»bei Neuverschreibungen in Ihrer Sprechstunde? </p>'

def unescape(s):
    characters = ["<p>", "<", ">", "&", "laquo;", "raquo;", "nbsp;", "/p"]
    for character in characters:
        s = s.replace(character, "")
    return s

print(unescape(string))

结果如下：

Wie hoch ist der Anteil oraler MS-Medikamentebei Neuverschreibungen in Ihrer Sprechstunde?