在HTML源代码中,有很多字符如":" 或"." (必须在&#和数字之间放置空格或者这些字符将被视为":"或"."),我的问题是,你如何将它们转换为他们应该在python中的内容？有内置方法还是什么？
希望有人可以帮助我.谢谢
我正在创建一个基于'HTMLParser'的子类来提取html内容.每当我有字符refs如
' ' '&' '–' '…'
我想用他们的英语同行替换他们
' ' (space), '&', '-', '...', and so on.
将一些简单的字符引用转换为正确的表示形式的最佳方法是什么？
我的文字类似于:
Some text goes here&after that, 6:30 pm–8:45pm and maybe
something like …
我想将其转换为:
Some text goes here & after that, 6:30 pm-8:45pm and maybe
something like ...
我有以下描述我想要使用我的程序废料.
<hr>通过接触美国空军的职能,部署和就业运营,为AFROTC学员提供多达13种选择,以实现实际领导和专业培训.外语和文化沉浸也可用/可能,但总体重点仍然是领导力发展和实践.所有项目都在选定的空军基地以及美国和国外的其他地点进行.<br>
我有以下代码:
findDescription = re.findall('<hr>(.*?)(?:<strong>|<br>)', coursePage)
我得到以下输出:
[通过接触美国空军的职能,部署和就业运营,为AFROTC学员提供多达13种实用领导和专业培训选项.\ xc2\xa0外语和文化沉浸也可用/可能,但总体重点仍然是领导力发展和实习.\xc2\xa0所有节目都在选定的空军基地以及美国和国外的其他地点进行.']
为什么我会\xc2\xa0在这里得到奇怪的东西？我的代码也会被引号符号绊倒".坦率地说,我相信.我的正则表达式代码中的句点应该接受所有字符串.出了什么问题？
我很欣赏任何快速提示.我星期五只听说过正则表达式而且我已经取得了巨大的进步,但是这个让我真的绊了几个小时.
温馨的问候,GeekyOmega
我把这个文本放在一个文件中 - Recuérdame(注意它是一个法语单词).当我用python脚本读取这个文件时,我得到这个文本Recuérdame.
我把它读作unicode字符串.我是否需要找到文本的编码是什么并解码？还是我的终端在玩弄诡计？
我正在尝试解码以下列方式编码的聊天节目:
&#number;
我试过了:
s.decode("utf8")
和:
s.decode("unicode-escape")
但两者似乎都不起作用.
我应该使用什么编码来解码这种类型？
一般来说 - 我在哪里可以找到所有有效编码的列表？