解码python2中的html实体

Question

我有一串转义的html标记'í'，我希望它能使用正确的重音字符'í'。

阅读了SO，这是我的尝试：

messy = 'í'
print type(messy)
>>> <type 'str'>

decoded=messy.decode('utf-8')
print decoded
>>> &#xed;

Drats。阅读here后，我尝试了这个：

from BeautifulSoup import *
soup = BeautifulSoup(messy, convertEntities=BeautifulSoup.HTML_ENTITIES)
print soup.contents[0].string
>>> í

仍然没有工作，所以我测试了我之前链接的SO问题的例子。

html = 'Ä'
soup = BeautifulSoup(html, convertEntities=BeautifulSoup.HTML_ENTITIES)
print soup.contents[0].string
>>> Ä

这个有效。有谁看到我错过了什么？

Answer 1

使用HTMLParser.HTMLParser.unescape：

>>> import HTMLParser
>>> parser = HTMLParser.HTMLParser()
>>> parser.unescape('í')
u'\xed'
>>> print parser.unescape('í')
í

在Python 3.x中：

>>> import html.parser
>>> parser = html.parser.HTMLParser()
>>> parser.unescape('í')
'í'