代码之家 › 专栏 › 技术社区 › Jason Coon

如何在Python中将扩展ASCII转换为HTML实体名?

ascii encoding html python

Jason Coon · 技术社区 · 14 年前

s.encode('ascii', 'xmlcharrefreplace')

我想做的是转换成HTML实体名等价物(即。 © 而不是 © ). 下面这个小程序显示了我正在尝试做的失败的事情。除了查找/替换之外,还有其他方法可以做到这一点吗?

#coding=latin-1

def convertEntities(s):
    return s.encode('ascii', 'xmlcharrefreplace')

ok = 'ascii: !@#$%^&*()<>'
not_ok = u'extended-ascii: Â©Â®Â°Â±Â¼'

ok_expected = ok
not_ok_expected = u'extended-ascii: &copy;&reg;&deg;&plusmn;&frac14;'

ok_2 = convertEntities(ok)
not_ok_2 = convertEntities(not_ok)

if ok_2 == ok_expected:
    print 'ascii worked'
else:
    print 'ascii failed: "%s"' % ok_2

if not_ok_2 == not_ok_expected:
    print 'extended-ascii worked'
else:
    print 'extended-ascii failed: "%s"' % not_ok_2

5 回复 | 直到 14 年前

Wai Yip Tung 14 年前

是 htmlentitydefs 你想要什么?

import htmlentitydefs
htmlentitydefs.codepoint2name.get(ord(c),c)

Wayne Werner 14 年前

编辑

其他人提到了 htmlentitydefs

from htmlentitydefs import entitydefs as symbols

for tag, val in symbols.iteritems():
   mystr = mystr.replace("&{0};".format(tag), val)

这应该管用。

SiggyF 14 年前

我不知道有多直接,但我认为 htmlentitydefs here .

Jason Coon 14 年前

这就是我将要使用的解决方案,其中有一个小补丁,用于检查entitydefs是否包含我们所拥有的角色的映射。

def convertEntities(s):
    return ''.join([getEntity(c) for c in s])

def getEntity(c):
    ord_c = ord(c)
    if ord_c > 127 and ord_c in htmlentitydefs.codepoint2name:
        return "&%s;" % htmlentitydefs.codepoint2name[ord_c]
    return c

Duncan 14 年前

您确定不希望转换是可逆的吗?你的 ok_expected & & 应该逃走,但只要把 cgi.escape 如果你真的不想那样。

不管怎样,我会将您最初的方法与正则表达式替换结合起来:像以前一样进行编码,然后修复数字实体。这样就不会通过getEntity函数映射每个字符。

#coding=latin-1
import cgi
import re
import htmlentitydefs

def replace_entity(match):
    c = int(match.group(1))
    name = htmlentitydefs.codepoint2name.get(c, None)
    if name:
        return "&%s;" % name
    return match.group(0)

def convertEntities(s):
    s = cgi.escape(s) # Remove if you want ok_expected to pass!
    s = s.encode('ascii', 'xmlcharrefreplace')
    s = re.sub("&#([0-9]+);", replace_entity, s)
    return s

ok = 'ascii: !@#$%^&*()<>'
not_ok = u'extended-ascii: Â©Â®Â°Â±Â¼'

ok_expected = ok
not_ok_expected = u'extended-ascii: &copy;&reg;&deg;&plusmn;&frac14;'

ok_2 = convertEntities(ok)
not_ok_2 = convertEntities(not_ok)

if ok_2 == ok_expected:
    print 'ascii worked'
else:
    print 'ascii failed: "%s"' % ok_2

if not_ok_2 == not_ok_expected:
    print 'extended-ascii worked'
else:
    print 'extended-ascii failed: "%s"' % not_ok_2