Ich analysiere gerade HTML mit Beautiful Soup 3, aber es enthält HTML-Entities, die Beautiful Soup 3 nicht automatisch für mich dekodiert:
>>> from BeautifulSoup import BeautifulSoup
>>> soup = BeautifulSoup("<p>£682m</p>")
>>> text = soup.find("p").string
>>> print text
£682mWie kann ich die HTML-Entitäten in text zu bekommen "£682m" anstelle von "£682m" .
Utilice html.unescape() :
import html
print(html.unescape('£682m'))ZU IHRER INFORMATION html.parser.HTMLParser.unescape ist veraltet, und sollte in 3.5 entfernt werden obwohl sie versehentlich drin gelassen wurde. Es wird bald aus der Sprache entfernt werden.
Sie können verwenden HTMLParser.unescape() aus der Standardbibliothek:
HTMLParserFür Python 3 ist es in html.parser
try: ... # Python 2.6-2.7 ... from HTMLParser import HTMLParser ... except ImportError: ... # Python 3 ... from html.parser import HTMLParser ... h = HTMLParser() print(h.unescape('£682m')) £682m
Sie können auch die six Kompatibilitätsbibliothek, um den Import zu vereinfachen:
>>> from six.moves.html_parser import HTMLParser
>>> h = HTMLParser()
>>> print(h.unescape('£682m'))
£682m
Beautiful Soup behandelt die Entitätskonvertierung. In Beautiful Soup 3 müssen Sie die convertEntities Argument an die BeautifulSoup Konstruktor (siehe die Entitätsumwandlung". Abschnitt der archivierten Dokumente). In Beautiful Soup 4 werden die Entitäten automatisch entschlüsselt.
>>> from BeautifulSoup import BeautifulSoup
>>> BeautifulSoup("<p>£682m</p>",
... convertEntities=BeautifulSoup.HTML_ENTITIES)
<p>£682m</p>>>> from bs4 import BeautifulSoup
>>> BeautifulSoup("<p>£682m</p>")
<html><body><p>£682m</p></body></html>
Mit Beautiful Soup 4 können Sie einen Formatierer für Ihre Ausgabe festlegen
Wenn Sie in
formatter=NoneBeautiful Soup wird nicht bei der Ausgabe überhaupt nicht. Dies ist die schnellste Option, aber sie kann dazu führen, dass Beautiful Soup ungültiges HTML/XML erzeugt, wie in diesen Beispielen:
print(soup.prettify(formatter=None))
# <html>
# <body>
# <p>
# Il a dit <<Sacré bleu!>>
# </p>
# </body>
# </html>
link_soup = BeautifulSoup('<a href="http://example.com/?foo=val1&bar=val2">A link</a>')
print(link_soup.a.encode(formatter=None))
# <a href="http://example.com/?foo=val1&bar=val2">A link</a>
Ich hatte ein ähnliches Kodierungsproblem. Ich habe die Methode normalize() verwendet. Ich erhielt einen Unicode-Fehler, wenn ich die Pandas-Methode .to_html() beim Exportieren meines Datenrahmens in eine .html-Datei in einem anderen Verzeichnis verwendete. Am Ende habe ich dies getan und es hat funktioniert...
import unicodedata Das Dataframe-Objekt kann ein beliebiges sein, nennen wir es Tabelle...
table = pd.DataFrame(data,columns=['Name','Team','OVR / POT'])
table.index+= 1kodieren Sie die Tabellendaten so, dass wir sie in unsere .html-Datei im Ordner templates exportieren können (dies kann ein beliebiger Ort sein :))
#this is where the magic happens
html_data=unicodedata.normalize('NFKD',table.to_html()).encode('ascii','ignore')normalisierte Zeichenkette in html-Datei exportieren
file = open("templates/home.html","w")
file.write(html_data)
file.close() Referenz: unicodedata Dokumentation
CodeJaeger ist eine Gemeinschaft für Programmierer, die täglich Hilfe erhalten..
Wir haben viele Inhalte, und Sie können auch Ihre eigenen Fragen stellen oder die Fragen anderer Leute lösen.
