如何解码HTML实体？

下面是一个简单的Perl问题：

如何转换HTML特殊字符，如

ü或
'到普通ASCII文本

我是这样开始的：

s/\&#(\d+);/chr($1)/eg;

可以为所有HTML字符编写，但是像这样的函数可能已经存在了

请注意，我不需要完整的HTML->文本转换器。我已经用
HTML:：Parser
解析了HTML。我只需要用我得到的特殊字符转换文本。
看一下：

您可以猜测输出。
有一些预定义的HTML实体-
&
“
等等-您可以硬编码

然而，更大的数字实体案例-
{；
-将更加困难，因为这些值是，转换为ASCII将从困难到不可能。
注意，也有十六进制指定字符。它们看起来像这样：é；（é）

使用HTML:：Entities的decode_实体将实体转换为实际字符。将其转换为ASCII需要更多的工作。我使用了iconv（perl接口：Text:：iconv）
使用音译选项在过去取得了一些成功。但是如果你正在处理
使用有限的一组实体，或者您实际上不需要将其简化为ASCII等价物，
您最好限制decode_实体生成的内容或为其提供自定义内容
转换映射。请参阅HTML:：Entities文档。
上述答案告诉您如何将实体解码为Perl字符串，但您也询问了如何将其转换为ASCII

假设这真的是您想要的，并且您不想要所有的unicode字符，您可以查看CPAN模块，将所有这些奇怪的字符转换回大致相似的ASCII字符集合：

use Text::Unidecode qw(unidecode);
use HTML::Entities qw(decode_entities);

my $source = '北亰';  
print unidecode(decode_entities($source));

# That prints: Bei Jing 

我使用这个脚本。将它另存为
html2utf.py
，并使用它ala
echo$some|html | html2utf.py

#!/usr/bin/env python3
"""
An alternative for `perl -Mopen=locale -MHTML::Entities -pe '$_ = decode_entities($_)'` (which you can use by `cpanm HTML::Entities`) and `recode html..`.
"""

import fileinput
import html

for line in fileinput.input():
    print(html.unescape(line.rstrip('\n')))

完全正确，贝文。没有从Unicode到“纯ASCII”的反向翻译。乔尔写了一篇关于文本编码的非常好的文章，德尔曼应该读一下……所有关于“纯文本=ASCII=字符”的东西都是8位的“这不仅是错误的，而且是无可救药的错误，如果你仍然以这种方式编程，你也不比一个不相信细菌的医生强多少。”Perl:…为那些喜欢CLI的人带来了困难：
Perl-MHTML:：Entities-le'print decode_Entities（¿；&39；”）
#!/usr/bin/env python3
"""
An alternative for `perl -Mopen=locale -MHTML::Entities -pe '$_ = decode_entities($_)'` (which you can use by `cpanm HTML::Entities`) and `recode html..`.
"""

import fileinput
import html

for line in fileinput.input():
    print(html.unescape(line.rstrip('\n')))