抓网页数据经常遇到例如>或者 这种HTML转义符,抓到字符串里很是烦人。比方说一个从网页中抓到的字符串:

1html = '<abc>'

用Python可以这样处理:

1import HTMLParser
2html_parser = HTMLParser.HTMLParser()
3txt = html_parser.unescape(html) #这样就得到了txt = '<abc>'

如果还想转回去,可以这样:

1import cgi
2html = cgi.escape(txt) # 这样又回到了 html = '<abc>'