Python处理HTML转义字符

转载自：http://www.cnblogs.com/xuxn/archive/2011/08/12/parse-html-escape-characters-in-python.html

抓网页数据经常遇到例如>或者 这种HTML转义符，抓到字符串里很是烦人。

比方说一个从网页中抓到的字符串

html = ‘<abc>‘

用Python可以这样处理：

import HTMLParser
html_parser = HTMLParser.HTMLParser()
txt = html_parser.unescape(html) #这样就得到了txt = ‘<abc>‘

如果还想转回去，可以这样：

import cgi
html = cgi.escape(txt) # 这样又回到了 html = ‘<abc&gt‘

来回转的功能还分了两个模块实现，挺奇怪。没找到更优美的方法，欢迎补充哈~