HTML-Entitäten in Python-Strings dekodieren?

Question

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>&pound;682m</p>")
>>> text = soup.find("p").string

>>> print text
&pound;682m

Wie kann ich die HTML-Entitäten in text zu bekommen "£682m" anstelle von "£682m" .

Answer 1

Dies ist hier wahrscheinlich nicht relevant. Aber diese HTML-Entitäten aus einem ganzen Dokument zu beseitigen, können Sie etwas wie folgt tun: (Nehmen Sie Dokument = Seite und bitte verzeihen Sie den schlampigen Code, aber wenn Sie Ideen haben, wie man es besser machen, Im alle Ohren - Im neu zu diesem).

import re
import HTMLParser

regexp = "&.+?;" 
list_of_html = re.findall(regexp, page) #finds all html entites in page
for e in list_of_html:
    h = HTMLParser.HTMLParser()
    unescaped = h.unescape(e) #finds the unescaped value of the html entity
    page = page.replace(e, unescaped) #replaces html entity with unescaped value