在python中替换HTML代码

我使用正则表达式解析网站的源代码，并在

Tkinter

窗口中显示新闻标题。有人告诉我，用正则表达式解析HTML不是最好的主意，但不幸的是，我现在没有时间改变

我似乎无法替换特殊字符（如撇号（

“

）的HTML代码

目前我有以下几点：

union_url = 'http://www.news.com.au/sport/rugby'

def union():
    union_string = urlopen(union_url).read()
    union_string.replace("’", "'")
    union_headline = re.findall('(?:sport/rugby/.*) >(.*)<', union_string)
    union_headline_label= Label(union_window, text = union_headline[0], font=('Times',20,'bold'),  bg = 'White', width = 85, height = 3, wraplength = 500)

---

我试图找到一个答案，但运气不好。非常感谢您提供的任何帮助。

您可以使用re.sub（）的“可调用”功能来取消浏览（或删除）任何转义的内容：

>>> import re
>>> def htmlUnescape(m):
...     return unichr(int(m.group(1), 16))
...
>>> re.sub('&#([^;]+);', htmlUnescape, "This is something ’ with an HTML-escaped character in it.")
u'This is something \u8217 with an HTML-escaped character in it.'
>>>

---

您是否正在尝试从html源获取数据或解析数据？抱歉-获取数据以显示在tkinter Widget上听说过您的生活会更好。。。解析HTML可能很困难。

>>> import re
>>> def htmlUnescape(m):
...     return unichr(int(m.group(1), 16))
...
>>> re.sub('&#([^;]+);', htmlUnescape, "This is something ’ with an HTML-escaped character in it.")
u'This is something \u8217 with an HTML-escaped character in it.'
>>>