學習《Python Cookbook》第三版

將 HTML 或者 XML 實體如 &entity; 或 &#code; 替換為對應的文字。再者，你需要轉換文字中特定的字元 (比如<, >, 或 &)。

如果你想替換文字字串中的 ‘<’ 或者 ‘>’ ，使用 html.escape() 函式可以很容易的完成。比如：

import htmlmy_str = 'Elements are written as "<tag>text</tag>".'print(my_str)	# Elements are written as "<tag>text</tag>".print(html.escape(my_str))	# Elements are written as "<tag>text</tag>".print(html.escape(my_str, quote=False))	# Elements are written as "<tag>text</tag>".

對於escape()方法的官方解釋：

html.escape(s, quote=True)

如果你正在處理的是 ASCII 文字，並且想將非 ASCII 文字對應的編碼實體嵌入進去，可以給某些 I/O 函式傳遞引數 errors='xmlcharrefreplace' 來達到這個目。比如：

my_str = 'Spicy Jalapeño'print(my_str.encode('ascii', errors='xmlcharrefreplace'))	# b'Spicy Jalapeño'

其中，xmlcharrefreplace的作用是：將非ascii字元替換為xml合適字元引用

字元引用透過其通用字符集/ Unicode程式碼點引用字元，並使用以下格式：

&#nnnn; 或者 &#xhhhh;

上邊的例子非ascii碼字元ñ，被替換為ñ；

更多的XML字元引用，可以檢視WIKI網址：

https://en.wikipedia.org/wiki/List_of_XML_and_HTML_character_entity_references

為了替換文字中的編碼實體，你需要使用另外一種方法。如果你正在處理 HTML或者 XML 文字，試著先使用一個合適的 HTML 或者 XML 解析器。通常情況下，這些工具會自動替換這些編碼值，你無需擔心。

有時候，如果你接收到了一些含有編碼值的原始文字，需要手動去做替換，通常你只需要使用 HTML 或者 XML 解析器的一些相關工具函式/方法即可。比如：

my_str_special = 'This is a special character "<È>"'print(html.unescape(my_str_special))	# This is a special character "<È>"from xml.sax.saxutils import unescapemy_str_special_1 = 'The prompt is >>>'print(unescape(my_str_special_1))	# The prompt is >>>

在生成 HTML 或者 XML 文字的時候，如果正確的轉換特殊標記字元是一個很容易被忽視的細節。特別是當你使用 print() 函式或者其他字串格式化來產生輸出的時候。使用像 html.escape() 的工具函式可以很容易的解決這類問題。

如果你想以其他方式處理文字，還有一些其他的工具函式比如xml.sax.saxutils.unescapge() 可以幫助你。然而，你應該先調研清楚怎樣使用一個合適的解析器。比如，如果你在處理 HTML 或 XML 文字，使用某個解析模組比如html.parse 或 xml.etree.ElementTree 已經幫你自動處理了相關的替換細節。