在 Python 2 中获得类似 Python 3 html unescape 的行为

Question

所以我遇到了一个问题，似乎 Python 2 (2.7.13) 根本没有为转义所有这些实体定义所需的 HTML 实体。

例如，在运行此脚本时：

# test_unescape.py

from six.moves.html_parser import HTMLParser
h = HTMLParser()
# Print in a tuple for clarity
print((h.unescape('£<	
∷'),))

根据 Python 版本，您会得到不同的结果。

蟒蛇2：

$ python test_unescape.py
(u'\xa3<&Tab;&NewLine;&Colon;',)

制表符、换行符和冒号被转义

蟒蛇3：

$ python3 test_unescape.py
('£<\t\n∷',)

所有未转义

我也不清楚为什么我在 Python 3 示例中得到两个冒号。

不手动定义所有丢失的实体（因此必须用未来的实体维护它......）的任何解决方法来获得 Python 3 版本或 Python 2 中的等效内容将不胜感激

Answer 1

我在这个库中找到了我的问题的答案

更具体地说，在位于html5lib.constants.entities的完整实体列表中

import html5lib

def unescape_custom(s):
    ents = html5lib.constants.entities
    for e in ents:
        if e[-1] != ';':
            e += ';'
        s = s.replace('&{}'.format(e), ents[e])
    return s

结果：

# Python 2
>>> print((unescape_custom("£<	
∷"),))
(u'\xa3<\t\n\u2237',)
# Python 3
>>> print((unescape_custom("&pound;&lt;&Tab;&NewLine;&Colon;"),))
('£<\t\n∷',)