在 lxml.html 元素的文本中搜索特殊的 HTML 字符

Question

给定一个（无）有序列表，我必须检查是否使用了特殊的 HTML 箭头（并用 Latex 箭头替换它们）。 lxml.html 是必需的。

我正在修补，但后来我无法超越以下内容：

import lxml.html

my_string = "<li>I have a dream &#8594; Hello!</li>"
elem = lxml.html.fromstring(my_string)

if "&#8594;" in my_string:    # True
    print("foo")

if "&#8594;" in elem.text:    # False
    print("bar")

我无法理解为什么第二个 if 条件的计算结果为 False。 如何检查 (& #8594;) "→" 是否存在于 elem.text 中？

Answer 1

您需要搜索→ 的Unicode 表示：

>>> s = u"→"
>>> s
u'\u2192'

>>> import lxml.html
>>> 
>>> my_string = "<li>I have a dream &#8594; Hello!</li>"
>>> elem = lxml.html.fromstring(my_string)
>>> 
>>> if u'\u2192' in elem.text:
...     print("bar")
... 
bar

Answer 2

...如果您要替换字符，请像这样导入“re”：

import re
re.sub(u'\u2192', '→', my_string)