在python中使用lxml打印html实体

【问题标题】：printing html entities using lxml in python在python中使用lxml打印html实体
【发布时间】：2015-02-05 01:15:13
【问题描述】：

我正在尝试使用 html 实体从下面的字符串中创建一个 div 元素。由于我的字符串包含 html 实体，因此 html 实体中的 &amp; 保留字符在输出中被转义为 &amp;。因此 html 实体显示为纯文本。如何避免这种情况，以便正确呈现 html 实体？

s = 'Actress Adamari L&#243;pez And Amgen Launch Spanish-Language Chemotherapy: Myths Or Facts&#8482; Website And Resources'

div = etree.Element("div")
div.text = s

lxml.html.tostring(div)

output:
<div>Actress Adamari L&amp;#243;pez And Amgen Launch Spanish-Language Chemotherapy: Myths Or Facts&amp;#8482; Website And Resources</div>

【问题讨论】：

标签： python html html-parsing lxml lxml.html

【解决方案1】：

您可以在调用tostring()时指定encoding：

>>> from lxml.html import fromstring, tostring
>>> s = 'Actress Adamari L&#243;pez And Amgen Launch Spanish-Language Chemotherapy: Myths Or Facts&#8482; Website And Resources'
>>> div = fromstring(s)
>>> print tostring(div, encoding='unicode')
<p>Actress Adamari López And Amgen Launch Spanish-Language Chemotherapy: Myths Or Facts™ Website And Resources</p>

附带说明一下，您 should definitely use lxml.html.tostring() 在处理 HTML 数据时：

请注意，您应该使用lxml.html.tostring 而不是lxml.tostring。 lxml.tostring(doc) 将返回文档的 XML 表示，这不是有效的 HTML。特别是<script src="..."></script>之类的东西会被序列化为<script src="..." />，完全迷惑浏览器。

另见：

Serialising to Unicode strings

【讨论】：