避免转义不间断空格和'<'，'>'

Question

html.unescape()允许取消转义所有HTML实体并完美地工作，但是我需要执行转义操作，但有几个例外：我想使用 nbsp （不间断空格）， lt （<）和 gt （>）保持不变。只有这三个实体。

例如，处理此文本

The sensitivity of different micro-organisms to heat varies,
but if water is held at 70 °C (158 °F)
for ten minutes, many organisms are killed <...>.
However, «Test» allows...

应该导致

The sensitivity of different micro-organisms to heat varies,
but if water is held at 70 °C (158 °F)
for ten minutes, many organisms are killed <...>.
However, «Test» allows...

是否有实现这一目标的优雅解决方案？我可以使html.unescape()忽略特定的实体吗？

Answer 1

scss不允许例外，但是您可以使用html.unescape来完成所需的操作。这是我的解决方案：

re.split

在正则表达式中具有捕获功能的import html import re s = """The sensitivity of different micro-organisms to heat varies, but if water is held at 70 °C (158 °F) for ten minutes, many organisms are killed <...>. However, «Test» allows...""" parts = re.split(r'( |<|>)', s) for i, part in enumerate(parts): if i % 2 == 0: parts[i] = html.unescape(parts[i]) print("".join(parts)) 不仅会拆分，还将定界符保留在输出列表中。并且我们将所有其他元素带到re.split可以避免您想要作为异常的特定标记。您可以看到Partitioning a string in Python by a regular expression来获取html.unescape的工作方式示例。

Answer 2

否，html.unescape()是不可配置的。我只是使用html.escape()进行转义，再加上U + 00A0 NO-BREAK SPACE代码点的手动转换：

import html

def reescape(s):
    return html.escape(html.unescape(s)).replace('\xa0', ' ')

请注意，此还会转义&，因为否则使用'<'的任何输入都将变成'<'，这与使用{{1}的输入是无法区分的}（其中'<'部分可以是任何有效的HTML实体减去“＆”号）。

演示：

lt;