Python:在不拆分数据的情况下转义特殊字符

Question

我制作了一个简单的 HTML 解析器，它基本上是从文档中直接复制的。我无法在不将数据拆分为多个 block 的情况下转义特殊字符。

这是我的代码和一个简单的例子:

from HTMLParser import HTMLParser

class MyHTMLParser(HTMLParser):
    def __init__(self):
        HTMLParser.__init__(self)
        self.data = []

    def handle_starttag(self, tag, attrs):
        #print (tag,attrs)
        pass

    def handle_endtag(self, tag):
        #print (tag)
        pass

    def handle_data(self, data):
        self.data.append(data)

    def handle_charref(self, ref):
        self.handle_entityref("#" + ref)

    def handle_entityref(self, ref):
        self.handle_data(self.unescape("&%s;" % ref))



n = "<strong>I &lt;3s U &amp; you luvz me</strong>"


parser = MyHTMLParser()
parser.feed(n)
parser.close()
data = parser.data
print(data)

问题是这会返回 5 个独立的数据位

['I ', u'<', '3s U ', u'&', ' you luvz me']

我想要的是单个字符串:

['I <3s U & you luvz me']

谢谢日语

Answer 1

使用 str.join 加入字符串列表:

>>> ''.join(['I ', u'<', '3s U ', u'&', ' you luvz me'])
u'I <3s U & you luvz me'

或者，您可以使用外部库，例如 lxml :

>>> import lxml.html
>>> n = "<strong>I &lt;3s U &amp; you luvz me</strong>"
>>> root = lxml.html.fromstring(n)
>>> root.text_content()
'I <3s U & you luvz me'