如何使用Python / Django执行HTML解码/编码？
我有一个string是HTML编码的：
<img class="size-medium wp-image-113" style="margin-left: 15px;" title="su1" src="http://blah.org/wp-content/uploads/2008/10/su1-300x194.jpg" alt="" width="300" height="194" /> 我想改变它：
<img class="size-medium wp-image-113" style="margin-left: 15px;" title="su1" src="http://blah.org/wp-content/uploads/2008/10/su1-300x194.jpg" alt="" width="300" height="194" />
我希望这个注册为HTML，以便通过浏览器呈现为图像，而不是显示为文本。
我发现如何在C＃中执行此操作，而不是在Python中执行此操作。 有人可以帮我吗？
谢谢。
编辑：有人问为什么我的string像这样存储。 这是因为我正在使用networking抓取工具“扫描”网页并从中获取特定的内容。 该工具（BeautifulSoup）以该格式返回string。
有关
- 在Python中将XML / HTML实体转换为Unicodestring
鉴于Django用例，这有两个答案。 这里是它的django.utils.html.escape函数，供参考：
def escape(html): """Returns the given HTML with ampersands, quotes and carets encoded.""" return mark_safe(force_unicode(html).replace('&', '&').replace('<', '&l t;').replace('>', '>').replace('"', '"').replace("'", '''))
为了扭转这种情况，Jake的答案中描述的Cheetah函数应该可以工作，但是缺less单引号。 此版本包含更新的元组，更换的顺序相反以避免对称性问题：
def html_decode(s): """ Returns the ASCII decoded version of the given HTML string. This does NOT remove normal HTML tags like <p>. """ htmlCodes = ( ("'", '''), ('"', '"'), ('>', '>'), ('<', '<'), ('&', '&') ) for code in htmlCodes: s = s.replace(code[1], code[0]) return s unescaped = html_decode(my_string)
但是，这不是一个通用的解决办法。 它只适用于用django.utils.html.escape编码的string。 更一般地说，坚持使用标准库是个好主意：
# Python 2.x: import HTMLParser html_parser = HTMLParser.HTMLParser() unescaped = html_parser.unescape(my_string) # Python 3.x: import html.parser html_parser = html.parser.HTMLParser() unescaped = html_parser.unescape(my_string)
作为一个build议：将未转义的HTML存储在数据库中可能更有意义。 如果可能的话，从BeautifulSoup获得非转义的结果是值得的，并且完全避免这个过程。
使用Django，转义只发生在模板渲染过程中; 所以为了防止逃跑，你只要告诉模板引擎不要逃离你的string。 为此，请在模板中使用以下选项之一：
{{ context_var|safe }} {% autoescape off %} {{ context_var }} {% endautoescape %}
用标准库：
-
HTML转义
try: from html import escape # python 3.x except ImportError: from cgi import escape # python 2.x print(escape("<")) -
HTML Unescape
try: from html import unescape # python 3.4+ except ImportError: try: from html.parser import HTMLParser # python 3.x (<3.4) except ImportError: from HTMLParser import HTMLParser # python 2.x unescape = HTMLParser().unescape print(unescape(">"))
对于html编码，有标准库中的cgi.escape ：
>> help(cgi.escape) cgi.escape = escape(s, quote=None) Replace special characters "&", "<" and ">" to HTML-safe sequences. If the optional flag quote is true, the quotation mark character (") is also translated.
对于html解码，我使用以下内容：
import re from htmlentitydefs import name2codepoint # for some reason, python 2.5.2 doesn't have this one (apostrophe) name2codepoint['#39'] = 39 def unescape(s): "unescape HTML code refs; cf http://wiki.python.org/moin/EscapingHtml" return re.sub('&(%s);' % '|'.join(name2codepoint), lambda m: unichr(name2codepoint[m.group(1)]), s)
对于更复杂的事情，我使用BeautifulSoup。
如果编码字符集相对受限，则使用丹尼尔的解决scheme。 否则，请使用众多HTMLparsing库之一。
我喜欢BeautifulSoup，因为它可以处理畸形的XML / HTML：
http://www.crummy.com/software/BeautifulSoup/
对于你的问题，在他们的文档中有一个例子
from BeautifulSoup import BeautifulStoneSoup BeautifulStoneSoup("Sacré bleu!", convertEntities=BeautifulStoneSoup.HTML_ENTITIES).contents[0] # u'Sacr\xe9 bleu!'
在这个页面的底部可以看到Python维基 ，至less有两个选项可用于“unescape”html。
在Python 3.4+中：
import html html.unescape(your_string)
丹尼尔的回答是：
“在模板渲染过程中，只能在Django中进行转义，因此，不需要unescape，只要告诉模板引擎不要转义即可{{context_var | safe}}或{％autoescape off％} {{context_var}} { ％endautoescape％}“
我在http://snippets.dzone.com/posts/show/4569find了一个很好的函数;
def decodeHtmlentities(string): import re entity_re = re.compile("&(#?)(\d{1,5}|\w{1,8});") def substitute_entity(match): from htmlentitydefs import name2codepoint as n2cp ent = match.group(2) if match.group(1) == "#": return unichr(int(ent)) else: cp = n2cp.get(ent) if cp: return unichr(cp) else: return match.group() return entity_re.subn(substitute_entity, string)[0]
如果有人正在通过django模板寻找一个简单的方法来做到这一点，你总是可以使用这样的filter：
<html> {{ node.description|safe }} </html>
我有一些来自供应商的数据，而且我发布的所有内容都实际上已经写在了呈现的页面上，就好像你正在查看源代码一样。 上面的代码对我非常有帮助。 希望这可以帮助别人。
干杯！！
尽pipe这是一个非常古老的问题，但这可能会起作用。
Django 1.5.5
In [1]: from django.utils.text import unescape_entities In [2]: unescape_entities('<img class="size-medium wp-image-113" style="margin-left: 15px;" title="su1" src="http://blah.org/wp-content/uploads/2008/10/su1-300x194.jpg" alt="" width="300" height="194" />') Out[2]: u'<img class="size-medium wp-image-113" style="margin-left: 15px;" title="su1" src="http://blah.org/wp-content/uploads/2008/10/su1-300x194.jpg" alt="" width="300" height="194" />'
我在猎豹的源代码（ 这里 ）
htmlCodes = [ ['&', '&'], ['<', '<'], ['>', '>'], ['"', '"'], ] htmlCodesReversed = htmlCodes[:] htmlCodesReversed.reverse() def htmlDecode(s, codes=htmlCodesReversed): """ Returns the ASCII decoded version of the given HTML string. This does NOT remove normal HTML tags like <p>. It is the inverse of htmlEncode().""" for code in codes: s = s.replace(code[1], code[0]) return s
不知道他们为什么要颠倒这个列表，我认为这与他们编码的方式有关，所以你可能不需要颠倒。 此外，如果我是你，我会改变HTMLCodes是一个元组清单，而不是列表清单…这是在我的图书馆虽然:)
我注意到你的标题也要求编码，所以这里是猎豹的编码function。
def htmlEncode(s, codes=htmlCodes): """ Returns the HTML encoded version of the given string. This is useful to display a plain ASCII text string on a web page.""" for code in codes: s = s.replace(code[0], code[1]) return s
你也可以使用django.utils.html.escape
from django.utils.html import escape something_nice = escape(request.POST['something_naughty'])
下面是一个使用模块htmlentitydefs的python函数。 这并不完美。 我有的htmlentitydefs版本是不完整的，它假定所有的实体都解码为一个对于像≂̸这样的实体是错误的代码点≂̸ ：
http://www.w3.org/TR/html5/named-character-references.html
NotEqualTilde; U+02242 U+00338 ≂̸
有了这些警告，这是代码。
def decodeHtmlText(html): """ Given a string of HTML that would parse to a single text node, return the text value of that node. """ # Fast path for common case. if html.find("&") < 0: return html return re.sub( '&(?:#(?:x([0-9A-Fa-f]+)|([0-9]+))|([a-zA-Z0-9]+));', _decode_html_entity, html) def _decode_html_entity(match): """ Regex replacer that expects hex digits in group 1, or decimal digits in group 2, or a named entity in group 3. """ hex_digits = match.group(1) # ' ' -> unichr(10) if hex_digits: return unichr(int(hex_digits, 16)) decimal_digits = match.group(2) # '' -> unichr(0x10) if decimal_digits: return unichr(int(decimal_digits, 10)) name = match.group(3) # name is 'lt' when '<' was matched. if name: decoding = (htmlentitydefs.name2codepoint.get(name) # Treat > like >. # This is wrong for ≫ and ≪ which HTML5 adopted from MathML. # If htmlentitydefs included mappings for those entities, # then this code will magically work. or htmlentitydefs.name2codepoint.get(name.lower())) if decoding is not None: return unichr(decoding) return match.group(0) # Treat "&noSuchEntity;" as "&noSuchEntity;"
这是这个问题的最简单的解决scheme –
{% autoescape on %} {{ body }} {% endautoescape %}
从这个页面 。
