Question

我在网页的HTML中有以下字符。它在网页上呈现“ - ”（EM DASH）（如果有问题，则通过谷歌Chrome浏览器）。无论我如何使用文件编码（“utf-8”，“cp1251”，“cp866”），它在网页上总是“ - ”。但是当我运行以下python代码时：

from HTMLParser import HTMLParser

h_parser = HTMLParser()
print h_parser.unescape('&#151;')

它在unicode表中输出一些控制符号，即“保护区末尾”。

我应该使用什么python代码从字符串/ unicode字符串中获取“ - ”。我使用python2.7

Answer 1

字符引用中的数值（在您的情况下为151）是指Unicode代码点151（0x97），它位于Latin-1 Supplement中，代表控制字符。

很可能正在使用无效值151，因为它对应于Windows代码页1252中的短划线字符。它被浏览器呈现为短划线可能是尝试处理此常见错误。

em dash的正确字符引用为public JsonResult Datatable() { var parser = new DataTablesParser<Card>(Request, SomeIQueryableData); return Json(parser.Parse()); }。

    <li class="@(ViewContext.RouteData.Values["Action"].ToString() == "Brands" ? "nav-item selected" : "")" id="main-nav-item-128" data-id="128">
<a href="@Url.Action("Brands","Product", new { @id=15})" class="nav-link dropdown-toggle" aria-expanded="false" data-target="#dropdown-menu-128">Pwani Life Care </a></li>

     <li class="@(ViewContext.RouteData.Values["Action"].ToString() == "Brands" ? "nav-item selected" : "")" id="main-nav-item-128" data-id="128">
<a href="@Url.Action("Brands","Product", new { @id=16})" class="nav-link dropdown-toggle" aria-expanded="false" data-target="#dropdown-menu-128"> Pwani Life Care </a> </li>

虽然Python 2对此很困难，但在Python 3中，html.unescape()函数显式处理HTML 5 spec中指定的无效字符引用。如果可能，您可以使用Python 3解决您的问题：

&#8212

如果您不能使用Python 3，您可以复制Python 3 >>> import unicodedata >>> unicodedata.name(unichr(151)) Traceback (most recent call last): File "<stdin>", line 1, in <module> ValueError: no such name >>> unicodedata.lookup('em dash') u'\u2014' >>> unicodedata.lookup('em dash').encode('cp1252') '\x97'模块中的代码（请参阅__init__.py文件）并将HTML代码传递给它，然后再转交给{{1 }}

浏览器和HTMLPaser实体解析差异

1 个答案: