如何用HTML实体替换标点符号

Question

我想更换标点符号的部分在一个字符串，如,'".<>?;:与相应的HTML实体， ,'"<>&#59;:到目前为止，我已经研究了将string库与.maketrans和string.punctuation一起使用的string.punctuation 。似乎您可以将ascii转换为string （但不能string.punctuation 。基于我的发现）最好是在解决方案之后，我不需要编写RegEx（尝试不重新发明轮子）。

Answer 1

您可以自己单独转换每个字符。

例如：

def htmlentities(string):
  def char_htmlentities(c):
    return '&#%d;' % ord(c) if c in html_symbols else c

  html_symbols =  set(',\'".<>?;:')
  return ''.join(map(char_htmlentities, string))

UPD：我将解决方案重写为线性，而不是时间复杂度的二次方

Answer 2

正则表达式解决方案可能是最简单的，因为您可以只使用一次调用re.sub() 。

import re
def htmlentities(s):
    return re.sub('[,\'".<>?;:]',
                  lambda m: return '#%d;' % m.group(0),
                  s)

Answer 3

我认为sasha的代码有两个缺点：

• 每次在map(char_htmlentities,string)一个字符上调用char_htmlentities() ，它都会执行以下操作：测试if c in html_symbols ，计算ord(c) ，计算&#%d;' % ord(c) &#%d;' % ord(c)

• 每次在新字符串上调用htmlentities() ， char_htmlentities()再次创建函数char_htmlentities() 。

一种更好的方法是创建一个字典，并将其设置为htmlentities()的默认值，如以下代码所示：

import re

punct = ',\'".<>?;:'

def changing(m, d=dict((c,'&#%d;' % ord(c)) for c in punct)):
    return d[m.group()]
regx = re.compile('[%s]' % punct)

susu = 'hg! ab,sd, opo> godo; sza: popo.'
print susu
print regx.sub(changing,susu)