Python - 高级字符串转义

Question

我在python中有一个字符串。我使用escape（）来删除换行符，现在我的字符串看起来像这样：

<p>Wie hoch ist der Anteil «oraler MS-Medikamente»
bei Neuverschreibungen in Ihrer Sprechstunde? </p>

但它应该看起来像这样

Wie hoch ist der Anteil oraler MS-Medikamente bei Neuverschreibungen in Ihrer Sprechstunde?

我该怎么办？

Answer 1

1. 尝试解码（反向转义）。
   HTML编码器/解码器 - 将字符转换为相应的HTML实体 - Web 2.0生成器http://goo.gl/2tcml1

2. 您也可以使用此提示

import BeautifulSoup

soup= BeautifulSoup(raw_html)
cleantext = soup.text

Answer 2

您可以 unescape 字符串，以便重新获取HTML标记：

import HTMLParser
parser = HTMLParser.HTMLParser()
str = parser.unescape(str)

然后使用一些正则表达式删除HTML标记：

p = re.compile(r'<.*?>')
return p.sub('', str)

我并不真的建议使用正则表达式来解析HTML，您可以使用BeautifulSoup代替。

Answer 3

列出字符列表中的所有不必要的符号，然后替换它们：

string = '<p>Wie hoch ist der Anteil «oraler MS-Medikamente»bei Neuverschreibungen in Ihrer Sprechstunde? </p>'

def unescape(s):
    characters = ["<p>", "<", ">", "&", "laquo;", "raquo;", "nbsp;", "/p"]
    for character in characters:
        s = s.replace(character, "")
    return s

print(unescape(string))

结果如下：

  

Wie hoch ist der Anteil oraler MS-Medikamentebei Neuverschreibungen in   Ihrer Sprechstunde？