Question

HTMLParser.unescape表现得像这样：

>>> import HTMLParser
>>> h= HTMLParser.HTMLParser()
>>> h.unescape('alpha &lt; &beta;')
u'alpha < \u03b2'

如何获取确切的beta符号而不是\u03b2？

由于

Answer 1

\u03b2 “确切的beta符号”。

你必须学会区分事物和事物的表现。

您的字符串由小写字母a，小写字母l，小写字母p，小写字母h，小写字母a，空格，左尖括号，空格和beta组成。

u'...'序列是字符串的表示。它会向您显示一个可能的字符序列，您可以键入Python源文件以表达该字符串的概念。 u'foo'是字符串foo。 u'\x66\x6f\x6f'也是如此。 u'\u0066\u006f\u006f'也是如此。当你要求Python显示其中任何一个的表示时，它将显示u'foo'，因为这是Python认为该字符串最简单的表示。

当您打印 u'\u0066\u006f\u006f'时，您会看到foo，没有u前缀且没有引号 - 因为现在您要求文本表示，而不是源代码表示。您可以对计划中的字符串执行相同的操作：print h.unescape('alpha < β')，如果您的终端目前能够显示β，您应该会看到alpha < β 。如果没有，您通常会得到一个UnicodeEncodeError，因为Python会尝试将字符串的 byte 表示发送到您的终端（使用某种字符串编码将字符转换为字节），并且编码不是为处理β而设计的。对于问题，请参阅Python, Unicode, and the Windows console

使用HTMLParser获取准确的符号

1 个答案: