⽤Python处理HTML转义字符的5种⽅式
写爬⾍是⼀个发送请求，提取数据，清洗数据，存储数据的过程。在这个过程中，不同的数据源返回的数据格式各不相同，有 JSON 格式，有 XML ⽂档，不过⼤部分还是 HTML ⽂档，HTML 经常会混杂有转移字符，这些字符我们需要把它转义成真正的字符。
什么是转义字符
在 HTML 中 <、>、& 等字符有特殊含义（<，> ⽤于标签中，& ⽤于转义），他们不能在 HTML 代码中直接使⽤，如果要在⽹页中显⽰这些符号，就需要使⽤ HTML 的转义字符串（Escape Sequence），例如 < 的转义字符是 <，浏览器渲染 HTML 页⾯时，会⾃动把转移字符串换成真实字符。
转义字符（Escape Sequence）由三部分组成：第⼀部分是⼀个 & 符号，第⼆部分是实体（Entity）名字，第三部分是⼀个分号。 ⽐如，要显⽰⼩于号（<），就可以写< 。html代码转链接
Python 反转义字符串
⽤ Python 来处理转义字符串有多种⽅式，⽽且 py2 和 py3 中处理⽅式不⼀样，在 python2 中，反转义串的模块是 HTMLParser。
Python3 把 HTMLParser 模块迁移到 html.parser
到 python3.4 之后的版本，在 html 模块新增了 unescape ⽅法。
推荐最后⼀种写法，因为 HTMLParser.unescape ⽅法在 Python3.4 就已经被废弃掉不推荐使⽤，意味着之后的版本有可能会被彻底移除。
另外，sax 模块也有⽀持反转义的函数
当然，你完全可以实现⾃⼰的反转义功能，不复杂，当然，我们崇尚不重复造轮⼦。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。