Python，将HTML实体转换为Unicode

（编辑：我正在使用Python 2.7） （编辑2：我已选中，解决方案无效。请不要将此标记为已回答。）

我一直找不到一个能够可靠地转换包含一些html实体的文本的python包。我发现HTMLPasser可以处理一些东西，但也会破坏很多东西。BeautifulSoup似乎从来都不适合转换为unicode。如何仅使用一种方法返回字符串a-d的unicode表示形式

我认为我遇到的问题是，我的一些文本同时包含unicode字符和html实体（如示例字符串d）

这将提供以下输出：

a1: P&O.
a2: P&O.
b1: & 
b2: & 
c1: >
c2: >
d1: > 150ÎC
d2: HTML Parse Broke!

---

编辑3：卡尔哈特的建议让我找到了一个解决方案。为了防止使用混合字符编码的字符串中断，我使用了.decode（'utf-8'）

如果需要unicode处理，请使用unicode字符串。那么，在您的示例中，一切都按预期进行

# -*- coding: utf-8 -*-
import HTMLParser
from bs4 import BeautifulSoup

astring = u"P&O."
bstring = u"& "
cstring = u">"
dstring = u"> 150ÎC"

pars = HTMLParser.HTMLParser()
a1 = BeautifulSoup('<span>%s</span>' % astring)
a2 = pars.unescape(astring)
print "a1:", a1
print "a2:", a2
b1 = BeautifulSoup('<span>%s</span>' % bstring)
b2 = pars.unescape(bstring)
print "b1:", b1
print "b2:", b2
c1 = BeautifulSoup('<span>%s</span>' % cstring)
c2 = pars.unescape(cstring)
print "c1:", c1
print "c2:", c2
d1 = BeautifulSoup('<span>%s</span>' % dstring)
try: d2 = pars.unescape(dstring)
except: d2 = "HTML Parse Broke!"
print "d1:", d1
print "d2:", d2

#-*-编码：utf-8-*-
导入HTMLPasser
从bs4导入BeautifulSoup
astring=u“P&O.”
bstring=u“&；”
cstring=u“”
dstring=u“150摄氏度”
pars=HTMLParser.HTMLParser（）
a1=美化组（“%s”%astring）
a2=不可见部分（收敛）
打印“a1:”，a1
打印“a2:”，a2
b1=美化组（“%s”%b字符串）
b2=未景观部分（bstring）
打印“b1:”，b1
打印“b2:”，b2
c1=美化组（“%s”%cstring）
c2=未景观部分（cstring）
打印“c1:”，c1
打印“c2:”，c2
d1=美化组（“%s”%dstring）
try:d2=pars.unescape（dstring）
除了：d2=“HTML解析已中断！”
打印“d1:”，d1
打印“d2:”，d2

这将提供以下输出

a1: <span>P&amp;O.</span>
a2: P&O.
b1: <span>&amp; </span>
b2: & 
c1: <span>&gt;</span>
c2: >
d1: <span>&gt; 150ÎC</span>
d2: > 150ÎC

a1:P&；O。
a2:P&O。
b1:&；
b2:&
c1:
c2:>
d1:150摄氏度
d2:>150摄氏度

---

BeautifulSoup对它们进行编码，HTMLPasser对它们进行解码。

有吗？有。在本例中，我尝试使用unescape方法。在我引用的消息中有7个答案。你都试过了吗？；-）

a1: <span>P&amp;O.</span>
a2: P&O.
b1: <span>&amp; </span>
b2: & 
c1: <span>&gt;</span>
c2: >
d1: <span>&gt; 150ÎC</span>
d2: > 150ÎC