2.17在字符串中处理html和xml

问题

​ 你想将HTML或者XML实体如&entity;或&#code；替换为对应的文本。再者，你需要转换文本特定的字符（比如<,>或者&）。

解决方案

​ 如果你想替换文本字符串中的'<'或者'>'，使用html.escape（）函数可以很容易的完成。比如：

s='The report said the human rights situation in the"<tag> text</tag>"'
import html
print(s)  # ->The report said the human rights situation in the"<tag> text</tag>"

print(html.escape(s))  # ->
The report said the human rights situation in the&quot;&lt;tag&gt; text&lt;/tag&gt;&quot;
print(html.escape(s,quote=False)) # ->The report said the human rights situation in the"&lt;tag&gt; text&lt;/tag&gt;"

​ 如果你真正处理的是ASCII文本，并且想将非ASCII文本对应的编码实体嵌入进去，可以给某些I/O函数传递参数errors=’xmlcharrefreplace'来达到这个目的。比如。

s='Spicy Jalapeño'
print(s.encode('ascii',errors='xmlcharrefreplace')) # ->b'Spicy Jalapeño'

​ 为了替换文本中的编译实体，你需要使用另一种方法。如果你正在处理HTML或者xml文本，试着先使用一个合适的HTML或者xml解析器。通常情况下，这些工具会自动替换这些编码值，你无需担心。

​ 有时候，如果你接受到了一些含有编码值的原始文本，需要手动去做替换，通常你只需要使用HTML或者XML解析器的一些相关工具函数/方法即可。比如：

s='Spicy &qout ;Jalapeño&qout.'
from html import unescape
print(unescape(s))  # ->Spicy &qout ;Jalapeño&qout.
t='The prompt is >>>'
from xml.sax.saxutils import unescape
print(unescape(t))  # ->The prompt is >>>

讨论

​ 在生成HTML或者XML文本的时候，如果正确的转换特殊标记字符是一个很容易被忽略的细节。特别当你使用print（）函数或者其他字符串串格式来产生输出的时候。使用像html.escape（）的工具函数可以很容易的解决这类问题。