我有以下代码
inf = codecs.open(inPath , encoding='utf-8')
outf = codecs.open(outPath, encoding='utf-8', mode='w')
old = u'’;'
new = u'’;'
for line in inf:
line = line.replace(old,new)
asc = line.encode('ascii', 'xmlcharrefreplace')
outf.write(asc)
# print asc
inf.close()
outf.close()这(正确地)使用数字格式将智能引号和重音字符等转换成它们的html实体格式。它将转换为
<p>Dreams like: “Someday I’ll travel to…; someday I’ll write a book;转到
<p>Dreams like: “Someday I’ll travel to…; someday I’ll write a book; 这都是正确的。
然而,代码再往下走,看到中间的…;,丢弃了双分号,然后抱怨说它没有有效的实体。我不能更改这个代码。
正如您在我的代码中所看到的,我遇到过一个实体后面跟着分号的情况。我不想替换源代码中的所有分号。
如何检测UTF-8字符后面的分号,并且代码点大于127,以便可以用;替换它?谢谢。
发布于 2013-05-26 23:36:49
脸朝手掌!
如果我首先转换为htmlentites,然后用;E替换;;,这就解决了我的问题。
自我思考的注意事项,你在哪里做事情,以及做什么!
https://stackoverflow.com/questions/16760665
复制相似问题