python - 在python2中解码html实体

Question

我有一串转义的 html 标记，'í'我希望它是正确的重音字符'í'。

在阅读了 SO 之后，这是我的尝试：

messy = 'í'
print type(messy)
>>> <type 'str'>

decoded=messy.decode('utf-8')
print decoded
>>> &#xed;

德拉斯。在这里阅读后，我尝试了这个：

from BeautifulSoup import *
soup = BeautifulSoup(messy, convertEntities=BeautifulSoup.HTML_ENTITIES)
print soup.contents[0].string
>>> í

仍然无法正常工作，所以我测试了我之前链接到的 SO question 中的示例。

html = 'Ä'
soup = BeautifulSoup(html, convertEntities=BeautifulSoup.HTML_ENTITIES)
print soup.contents[0].string
>>> Ä

这个有效。有人看到我错过了什么吗？

Answer 1

使用HTMLParser.HTMLParser.unescape：

>>> import HTMLParser
>>> parser = HTMLParser.HTMLParser()
>>> parser.unescape('í')
u'\xed'
>>> print parser.unescape('í')
í

在 Python 3.x 中：

>>> import html.parser
>>> parser = html.parser.HTMLParser()
>>> parser.unescape('í')
'í'