如何将特殊字符转换为HTML实体？

Question

我希望能够在Python中转换特殊字符，例如"%$!&@á é ©"而不仅限于'<&">'，这是目前所有我找到的文档和参考资料都显示的。cgi.escape不解决问题。

例如，字符串"á ê ĩ &"应该被转换为"á ê ĩ &"。

请问是否有人知道如何解决这个问题？ 我正在使用Python 2.6。

- Jayme Tosi Neto

---

请注意两件事：（1）名称实体可能会引起问题，您应该使用数字实体代替。 （2）为什么要使用实体？在大多数情况下，更好的解决方案是对文档进行UTF-8编码，以便它可以包含字母，而不是使用实体。 - Konrad Rudolph

http://wiki.python.org/moin/EscapingHtml - Quentin

我同意你的看法，@KonradRudolph。我不喜欢使用实体，但是我所在的系统需要使用，所以我别无选择。=/ - Jayme Tosi Neto

@Jayme 没问题，有时候你别无选择。只是想确保你知道这一点。 - Konrad Rudolph

Answer 1

你可以使用在http://docs.python.org/library/htmllib.html#module-htmlentitydefs中找到的字典来构建自己的循环。

你要找的是htmlentitydefs.codepoint2name。

- Ruben Vermeersch

---

链接已不再有效。在 Python 2 中请使用 HTMLParser，而在 Python 3 中请使用等价的 html.parser。 - oxidworks

Answer 2

我找到了一种内置解决方案，可以通过搜索htmlentitydefs.codepoint2name（@Ruben Vermeersch在他的答案中提到过）。这个解决方案可以在这里找到：http://bytes.com/topic/python/answers/594350-convert-unicode-chars-html-entities 以下是该函数：

def htmlescape(text):
    text = (text).decode('utf-8')

    from htmlentitydefs import codepoint2name
    d = dict((unichr(code), u'&%s;' % name) for code,name in codepoint2name.iteritems() if code!=38) # exclude "&"    
    if u"&" in text:
        text = text.replace(u"&", u"&")
    for key, value in d.iteritems():
        if key in text:
            text = text.replace(key, value)
    return text

谢谢大家的帮助! ;)

- Jayme Tosi Neto