溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
寫爬蟲是一個發送請求，提取數據，清洗數據，存儲數據的過程。在這個過程中，不同的數據源返回的數據格式各不相同，有 JSON 格式，有 XML 文檔，不過大部分還是 HTML 文檔，HTML 經常會混雜有轉移字符，這些字符我們需要把它轉義成真正的字符。
什么是轉義字符
在 HTML 中 <、>、& 等字符有特殊含義（<，> 用于標簽中，& 用于轉義），他們不能在 HTML 代碼中直接使用，如果要在網頁中顯示這些符號，就需要使用 HTML 的轉義字符串（Escape Sequence），例如 < 的轉義字符是 <，瀏覽器渲染 HTML 頁面時，會自動把轉移字符串換成真實字符。
轉義字符（Escape Sequence）由三部分組成：第一部分是一個 & 符號，第二部分是實體（Entity）名字，第三部分是一個分號。 比如，要顯示小于號（<），就可以寫< 。
Python 反轉義字符串
用 Python 來處理轉義字符串有多種方式，而且 py2 和 py3 中處理方式不一樣，在 python2 中，反轉義串的模塊是 HTMLParser。
Python3 把 HTMLParser 模塊遷移到 html.parser
到 python3.4 之后的版本，在 html 模塊新增了 unescape 方法。
推薦最后一種寫法，因為 HTMLParser.unescape 方法在 Python3.4 就已經被廢棄掉不推薦使用，意味著之后的版本有可能會被徹底移除。
另外，sax 模塊也有支持反轉義的函數
當然，你完全可以實現自己的反轉義功能，不復雜，當然，我們崇尚不重復造輪子。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
