我遇到了代表华氏度符号和注册符号的特殊字符（如°和®）的问题，
当我打印包含特殊字符的字符串时，它会给出如下输出：
Preheat oven to 350° F
Welcome to Lorem Ipsum Inc®
有没有办法可以输出确切的字符而不是它们的代码？请告诉我。
【问题讨论】：
标签： python utf-8 character-encoding special-characters beautifulsoup
$ python -c'from BeautifulSoup import BeautifulSoup
> print BeautifulSoup("""<html>Preheat oven to 350° F
> Welcome to Lorem Ipsum Inc®""",
> convertEntities=BeautifulSoup.HTML_ENTITIES).contents[0].string'
Preheat oven to 350° F
Welcome to Lorem Ipsum Inc®
【讨论】：
这是一个脚本，它允许从网页中对 HTML 引用进行转义 - 它假定引用是例如&deg; 格式，后面有分号（例如Preheat oven to 350&deg; F）：
from htmlentitydefs import name2codepoint
# Get the whitespace characters
nums_dict = {0: ' ', 1: '\t', 2: '\r', 3: '\n'}
chars_dict = dict((x, y) for y, x in nums_dict.items())
nums_dict2XML = {0: ' ', 1: '	', 2: ' ', 3: ' '}
chars_dict2XML = dict((nums_dict[i], nums_dict2XML[i]) for i in nums_dict2XML)
s = '1234567890ABCDEF'
hex_dict = {}
for i in s:
hex_dict[i.lower()] = None
hex_dict[i.upper()] = None
del s
def is_hex(s):
if not s:
return False
for i in s:
if i not in hex_dict:
return False
return True
class Unescape:
def __init__(self, s, ignore_whitespace=False):
# Converts HTML character references into a unicode string to allow manipulation
self.s = s
self.ignore_whitespace = ignore_whitespace
self.lst = self.process(ignore_whitespace)
def process(self, ignore_whitespace):
def get_char(c):
if ignore_whitespace:
return c
else:
if c in chars_dict:
return chars_dict[c]
else: return c
r = []
lst = self.s.split('&')
xx = 0
yy = 0
for item in lst:
if xx:
split = item.split(';')
if split[0].lower() in name2codepoint:
# A character reference, e.g. '&'
a = unichr(name2codepoint[split[0].lower()])
r.append(get_char(a)) # TOKEN CHECK?
r.append(';'.join(split[1:]))
elif split[0] and split[0][0] == '#' and split[0][1:].isdigit():
# A character number e.g. '4'
a = unichr(int(split[0][1:]))
r.append(get_char(a))
r.append(';'.join(split[1:]))
elif split[0] and split[0][0] == '#' and split[0][1:2].lower() == 'x' and is_hex(split[0][2:]):
# A hexadecimal encoded character
a = unichr(int(split[0][2:].lower(), 16)) # Hex -> base 16
r.append(get_char(a))
r.append(';'.join(split[1:]))
else:
r.append('&%s' % ';'.join(split))
else:
r.append(item)
xx += 1
yy += len(r[-1])
return r
def get_value(self):
# Convert back into HTML, preserving
# whitespace if self.ignore_whitespace is `False`
r = []
for i in self.lst:
if type(i) == int:
r.append(nums_dict2XML[i])
else:
r.append(i)
return ''.join(r)
def unescape(s):
# Get the string value from escaped HTML `s`, ignoring
# explicit whitespace like tabs/spaces etc
inst = Unescape(s, ignore_whitespace=True)
return ''.join(inst.lst)
if __name__ == '__main__':
print unescape('Preheat oven to 350° F')
print unescape('Welcome to Lorem Ipsum Inc®')
编辑：这是一个更简单的解决方案，它仅将字符引用替换为字符而不是 &#xx; 引用：
from htmlentitydefs import name2codepoint
def unescape(s):
for name in name2codepoint:
s = s.replace('&%s;' % name, unichr(name2codepoint[name]))
return s
print unescape('Preheat oven to 350° F')
print unescape('Welcome to Lorem Ipsum Inc®')
【讨论】：
Unescape(recipeDivText)使用上面的代码，它应该返回正确的结果（如果它实际上返回350&deg;F而不是350&deg F）否则我将不得不修改它
在美丽的汤4中：
my_text = """Preheat oven to 350° F
Welcome to Lorem Ipsum Inc® """
soup = BeautifulSoup(my_text, 'html.parser')
print(soup)
结果：
Preheat oven to 350° F
Welcome to Lorem Ipsum Inc®
【讨论】：
print(soup) 与 Python 2 和 3 兼容。
我想在某个地方，一个程序在没有分号的情况下引用 ° 和 ®。 尝试使用“°”+“;”和“®”+“;”在您的 HTML 文件中，如果它确实是一个 HTML 文件。 并请解释上下文。
【讨论】：