Python 将HTML实体解码为Unicode

嗯，从昨天起我就有麻烦了。我需要将一些文本保存到一个“.txt”文件中，问题是我试图保存的文本中有html实体

因此，我在代码中导入了HTMLPaser：

import HTMLParser
h = HTMLParser.HTMLParser()
print h.unescape(text) // right? 

问题是，当你试图打印结果时，这是可行的，但我试图将其返回到我的函数中，该函数实际上将文本保存到文件中。因此，当我试图保存文件时，系统会说：

exceptions.UnicodeEncodeError: 'ascii' codec can't encode character u'\xab' in position 0: ordinal not in range(128)

我一直在读这方面的文章，但我不能得出任何结论，我尝试了BeautifulSoup，我尝试了著名的pythonists函数，但都没有成功。你能帮我吗？我需要将文件中的文本保存为unicode，通过unicode，我知道它将保存以下字符：á，对吗？

“将unicode字符保存到文件”与“将HTML实体解码为unicode”是不同的问题。您的代码（

h.unescape（text）

）已正确解码html文本

例外情况是由于

打印unicode\u文本

造成的，例如：

print u"\N{EURO SIGN}"

应该会产生类似的错误

如果要通过重定向python脚本的输出保存到文件，例如：

$ python -m your_module >output.txt #XXX raises an error for non-ascii data

然后定义

pythonionecoding=utf-8

envvar（使用utf-8编码保存）：

如果要直接在Python代码中保存到文件，请使用

io

模块：

import io

with io.open(filename, 'w', encoding='utf-8') as file:
    file.write(h.unescape(text))

---

你能告诉我们写文件的代码吗？听起来问题其实在于编写文件而不是读取html（因为您在使用print测试它时说这是可行的）/

import io

with io.open(filename, 'w', encoding='utf-8') as file:
    file.write(h.unescape(text))