如何在Python中将扩展ASCII转换为HTML实体名称？

Question

我目前这样做是为了将扩展ascii字符替换为它们的HTML-entity-number等效项：

s.encode('ascii', 'xmlcharrefreplace')

我想要做的是转换成HTML-entity-name的等价物(即©而不是©)。下面这个小程序显示了我正在尝试做的失败的事情。除了查找/替换之外，还有什么方法可以做到这一点吗？

#coding=latin-1

def convertEntities(s):
    return s.encode('ascii', 'xmlcharrefreplace')

ok = 'ascii: !@#$%^&*()<>'
not_ok = u'extended-ascii: ©®°±¼'

ok_expected = ok
not_ok_expected = u'extended-ascii: &copy;&reg;&deg;&plusmn;&frac14;'

ok_2 = convertEntities(ok)
not_ok_2 = convertEntities(not_ok)

if ok_2 == ok_expected:
    print 'ascii worked'
else:
    print 'ascii failed: "%s"' % ok_2

if not_ok_2 == not_ok_expected:
    print 'extended-ascii worked'
else:
    print 'extended-ascii failed: "%s"' % not_ok_2

Answer 1

更新这是我要使用的解决方案，通过一个小的修复来检查entitydefs是否包含我们所拥有的字符的映射。

def convertEntities(s):
    return ''.join([getEntity(c) for c in s])

def getEntity(c):
    ord_c = ord(c)
    if ord_c > 127 and ord_c in htmlentitydefs.codepoint2name:
        return "&%s;" % htmlentitydefs.codepoint2name[ord_c]
    return c

Answer 2

编辑

其他人提到了我从未听说过的htmlentitydefs。它将以这种方式与我的代码一起工作：

from htmlentitydefs import entitydefs as symbols

for tag, val in symbols.iteritems():
   mystr = mystr.replace("&{0};".format(tag), val)

这应该是可行的。

Answer 3

htmlentitydefs是你想要的吗？

import htmlentitydefs
htmlentitydefs.codepoint2name.get(ord(c),c)