我有以下代码
inf = codecs.open(inPath , encoding='utf-8')
outf = codecs.open(outPath, encoding='utf-8', mode='w')
old = u'’;'
new = u'’;'
for line in inf:
line = line.replace(old,new)
asc = line.encode('ascii', 'xmlcharrefreplace')
outf.write(asc)
# print asc
inf.close()
outf.close()
这(正确地)使用数字格式将智能引号和重音字符等转换为其html实体格式。它会转换
<p>Dreams like: “Someday I’ll travel to…; someday I’ll write a book;
进入
<p>Dreams like: “Someday I’ll travel to…; someday I’ll write a book;
这都是正确的。
然而,代码进一步下游,看到中间的…;
,丢弃双分号,然后抱怨它没有有效的实体。我无法更改此代码。
从我的代码中可以看出,我发现了一个实体后面跟一个分号的情况。我不想替换源中的所有分号。
如何检测跟随UTF-8字符的半冒号,其代码点&gt; 127,以便我可以用;
替换它?感谢。
答案 0 :(得分:1)
面对掌心!
如果我先转换为htmlentites,然后将;;
替换为解决我问题的;E
。
注意自我 - 考虑你在哪里做事,以及做什么!