Python：将Unicode转换为html实体

Question

我在将unicode转换为html实体时遇到问题。

这是我当前的代码：

>> name = u'\xc3\xa1\xc3\xa1\xc3\xa1\xc3\xa1'

>> entities = name.encode('ascii', 'xmlcharrefreplace')

>> print str(entities)
áááá

每个\\xc3\\xa1 = á （多字节字符），但是当我将其转换为实体时，单个字符得到2个实体。

Answer 1

\\xc3\\xa1在UTF-8中是á ， 而不是 Unicode。

（Unicode中的áááá是u'\\xe1\\xe1\\xe1\\xe1' ）

因此，您需要使用字符串文字来定义它，而不是unicode文字（ '' vs u'' ）。 获得UTF-8后，您需要将其解码为Unicode，或者用XML实体再次将其编码为ASCII：

>>> name = '\xc3\xa1\xc3\xa1\xc3\xa1\xc3\xa1'.decode('utf-8')
>>> name.encode('ascii', 'xmlcharrefreplace')
'áááá'