Python：对编码为&；的ascii数字使用re.sub#数量；

我有一篇文字，里面有一些奇怪的字符。例如，“éx–mplë”一词可能会出现。但它并没有这样显示，而是显示为

‚；xƒ；mpl和#137。幸运的是，这些数字是用ASCII编码的，所以我可以使用
chr（）
来实现这一点。因此，我想替换
&由
chr（编号）
生成

我开始使用
re
模块来实现这一点，但由于我没有这方面的经验，我不知道如何实现。下面是我的尝试，但当然，在执行
re.sub（）
部分之前，代码尝试将
int（）
部分转换为int，从而引发
ValueError
。我怎样才能正确地做到这一点

sentence = "This is an ‚xƒmpl‰."
chrpatt = "&#([0-9]{3});"
sentence = re.sub(chrpatt, chr(int("\g<1>")), sentence)
print sentence

句子=“这是一个‚；xƒ；mpl‰；”
chrpatt=“&#（[0-9]{3}）”
句子=re.sub（chrpatt，chr（int（“\g”）），句子）
打印句子
您可以将可调用参数用于
sub（）
：

显然，数据是由DOS代码页之一（437或850）编码的：在我家的Linux系统上，我必须这样做

>>> print re.sub(chrpatt, lambda m: chr(int(m.group(1))) , sentence).decode("cp437")
This is an éxâmplë.
>>> re.sub(chrpatt, lambda m: chr(int(m.group(1))) , sentence).decode("cp437")
u'This is an \xe9x\xe2mpl\xeb.'

以获得正确的输出

这里发生了什么

对于每一个匹配，给定的函数都会被传递给match对象，并且应该返回替换字符串

因此，我们只需这样做—从匹配中提取数字并执行您建议的步骤。
您不需要在此处使用正则表达式

有一个完整的库，名为
HTMlParser

示例：

>>> import HTMLParser
>>> h = HTMLParser.HTMLParser()
>>> h.unescape("This is an &#130;x&#131;mpl&#137;.")
u'This is an \x82x\x83mpl\x89.'

以防之前不清楚：

>>> chr(130)
'\x82'
>>> chr(131)
'\x83'
>>> chr(137)
'\x89'

不要重新发明轮子。
int（“\g”）
在此处给出值error
int
是int构造函数。如果给这个构造函数一个字符串，它希望找到一个表示数字的字符串。显然，字符串“\g”看起来不像数字的表示形式

在您的例子中，re.sub的第二个参数应该是一个函数，它将获取找到的匹配项并对其进行转换

引自python文档

re.sub（模式、应答、字符串、计数=0、标志=0）


如果repl是一个函数，则会为模式的每个非重叠出现调用它。函数接受单个匹配对象参数，并返回替换字符串。例如：

这是完全一样的，对吗<代码>打印回复（chrpatt，lambda m:chr（int（m.group（1））），句子）
@Lewistrick Yes。通常情况下，我会写这个，但不得不测试一点，然后就忘了它。
>>打印“这是一个\x82x\x83mpl\x89。”这是一个�x�mpl�.@JamesMills取决于您使用的编码。@Lewistrick您一定是在开玩笑吧<代码>打印x
其中
x
是结果。e、 g:
x=h.unescape
sigh@Lewistrick“它不起作用”是一个非常简洁的描述发生了什么…对不起，这是一个非常直截了当的表达我自己的方式。我的意思是：
print u'这是一个\x82x\x83mpl\x89。
返回一个
UnicodeDecodeError
（字符映射到）。@Lewistrick当您的示例使用CP437或CP850时，
u'这是一个\x82x\x83mpl\x89。
是错误的。相反，
u'这是一个\xe9x\xe2mpl\xeb.
是正确的。这些数据是从哪里获得的？HTML使用DOS代码页编码区分字符是非常罕见的。数据是使用
urllib2
从网站读取的。
>>> chr(130)
'\x82'
>>> chr(131)
'\x83'
>>> chr(137)
'\x89'