在python中解码html编码的字符串

Question

我有以下字符串......

"Scam, hoax, or the real deal, he’s gonna work his way to the bottom of the sordid tale, and hopefully end up with an arcade game in the process."

我需要把它变成这个字符串......

骗局，恶作剧或真正的交易，他将努力工作到肮脏的故事的底部，并希望在这个过程中最终得到一个街机游戏。

这是非常标准的HTML编码，我不能为我的生活弄清楚如何在python中转换它。

我发现了这个： GitHub

并且它非常接近工作，但它不输出撇号，而是输出一些unicode字符。

以下是GitHub脚本输出的示例...

骗局，恶作剧或真正的交易，他将在肮脏的故事的底部工作，并希望最终在这个过程中的街机游戏。

Answer 1

您正在尝试做什么称为“HTML实体解码”，它包含在许多过去的Stack Overflow问题中，例如：

• 如何在Python中unescape撇号等？
• 使用Python解码HTML实体

这是使用Beautiful Soup HTML解析库解码您的示例的代码段：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
from BeautifulSoup import BeautifulSoup

string = "Scam, hoax, or the real deal, he’s gonna work his way to the bottom of the sordid tale, and hopefully end up with an arcade game in the process."
s = BeautifulSoup(string,convertEntities=BeautifulSoup.HTML_ENTITIES).contents[0]
print s

这是输出：

骗局，恶作剧或真正的交易，他将努力工作到肮脏的故事的底部，并希望在这个过程中最终得到一个街机游戏。