我有以下代码
inf = codecs.open(inPath , encoding='utf-8')
outf = codecs.open(outPath, encoding='utf-8', mode='w')
old = u'’;'
new = u'’&#59;'
for line in inf:
line = line.replace(old,new)
asc = line.encode('ascii', 'xmlcharrefreplace')
outf.write(asc)
# print asc
inf.close()
outf.close()
这（正确）使用数字格式将智能引号和重音字符等转换为它们的 html 实体格式。它会转换
<p>Dreams like: “Someday I’ll travel to…; someday I’ll write a book;
进入
<p>Dreams like: “Someday I’ll travel to…; someday I’ll write a book;
这都是正确的。
然而，代码更下游，看到…;中间，删除双分号，然后抱怨它没有得到一个有效的实体。我无法更改此代码。
从我的代码中可以看出，我发现了一个实体后跟分号的情况。我不想替换源中的所有分号。
如何检测代码点 > 127 的 UTF-8 字符后面的分号，以便我可以将其替换为;？谢谢。