问题标签 [html-entities]

我是一个完全的 python 菜鸟，所以请多多包涵。我想让 python 扫描一个 html 页面并用 UTF-8 兼容的东西替换 Microsoft Word 实体的实例。

我的问题是，你如何在 Python 中做到这一点（我已经用谷歌搜索了这个，但到目前为止还没有找到明确的答案）？我想涉足 Python 水域，所以我认为像这样简单的事情是一个很好的起点。看来我需要：

1. 将从 MS Word 粘贴的文本加载到变量中
2. 对内容运行某种替换功能
3. 输出它

在 PHP 中，我会这样做：

你会如何在 Python 中做到这一点？

编辑：嗯，好吧，暂时忽略我对 UTF-8 和实体的困惑。输入包含从 MS Word 粘贴的文本。弯引号之类的东西显示为奇怪的符号。我曾经尝试修复它的各种 PHP 函数并没有给我想要的结果。通过在十六进制编辑器中查看这些奇怪的符号，我发现它们对应于我上面使用的符号（0xe2、0x80 等）。所以我只是用 HTML 实体替换了奇怪的字符。因此，如果我上面的位已经是 UTF-8，那么从 MS Word 中粘贴了什么会导致奇数符号？

EDIT2：所以我开始学习一些关于 Python 的知识，发现我并不真正了解编码。我试图解决的问题可以简单地通过端到端的一致编码来处理。如果输入形式是 UTF-8，则存储输入的数据库是 UTF-8，输出它的页面是 UTF-8... 从 Word 粘贴可以正常工作。不需要特殊功能。现在，关于学习一点 Python ......

我有一个带有如下符号的字符串：

这显然是一个撇号。

我尝试了 saxutils.unescape() 没有任何运气并尝试了 urllib.unquote()

我该如何解码？谢谢！

Python 中是否有与 PHP 函数 htmlspecialchars() 类似或等效的函数？到目前为止，我发现的最接近的是 htmlentitydefs.entitydefs()。

我有一个以下格式的 URL 字符串。

http://myserver.com/_layouts/feed.aspx?xsl=4&web=%2F&page=dda3fd10-c776-4d69-8c55-2f1c74b343e2&wp=476f174a-82df-4611-a3df-e13255d97533

我想在上面的 URL中&替换为。&我的结果应该是：

http://myserver.com/_layouts/feed.aspx?xsl=4&web=%2F&page=dda3fd10-c776-4d69-8c55-2f1c74b343e2&wp=476f174a-82df-4611-a3df-e13255d97533

有人可以向我发布代码以完成此操作吗？

谢谢

在网上搜索了一段时间后，我发现有很多在线工具可以将符号转换为 html 数字，但反之则不行。

我正在寻找工具/在线工具/php 脚本以将 html 数字转换回符号

例如：

然后回到

有人知道吗？

我正在使用提要创建器（特别是 Kohana 的提要::create()），除了我的一些文本在描述元素中可能是这样的

请参阅下面的代码

<?php echo 'example'; ?>

提要创建者正在使用 SimpleXML 库。每当返回数据时（使用$xml->asXml()），描述元素内的 html 尖括号将转换为 HTML 实体。

这使得标签被正确解析，对 p 标签等有用。但是，在这种情况下 - PHP 代码不会显示（被尖括号包围）。

我的问题是 - 我怎样才能在 RSS 提要中显示这样的东西？>当它本身被解析回时如何显示<？那有意义吗？

这是正在输出的示例：

（请注意，上面不是错误 - 实体都已转换）

我希望它显示（在 RSS 阅读器中）是

一些内容

有一些代码

PHP 在默认情况下使用“魔术引号”，但因此受到了很多批评。我知道它将在 PHP 的下一个主要版本中禁用它。

虽然反对它的论点是有道理的，但我不明白的是为什么不只使用 HTML 实体来表示引号而不是剥离和删除斜杠？毕竟，绝大多数 mySQL 用于输出到 Web 浏览器？

例如，' 使用而不是 ' 并且它根本不会影响数据库。

另一个问题，为什么 PHP 不能只为每个版本的 PHP 设置配置，带有这个标签 <?php4 或 <?php5 以便可以为这些版本加载适当的解释器？

只是好奇。:)

这个 HTML 源代码：

显示为：'DIVISÃO DE EDUCAÇÃO PR?ESCOLAR E ENSINO PRIMÁRIOO'

是的，这些是一些葡萄牙语字符。为什么会&Atilde；代表Ã？

我有以下内容：

我正在寻找一个 Javascript 函数来转换文本，以便每个特殊字母都由它的 HTML 实体序列表示，如下所示：

该函数不仅应该转义这个例子的字母，还应该转义所有这些字母。

你将如何做到这一点？有没有现成的功能？（很简单，因为首选没有框架的解决方案）

顺便说一句：是的，我已经看到了这个问题，但它并没有解决我的需求。

我想将字符串中的所有文本转换为 html 实体，但保留 HTML 标签，例如：

应该翻译成这样：

有任何想法吗？