如何将文本中的 HTML Entity 转换为正常显示的字符？

陆砚码

2026-11-05 • 👁 0人浏览过

如何处理文本中的 html entity 以正常显示在从网上获取数据时，有时文本中会出现特殊字符，例如 '，导致显示异常。解决此问题的关键在于了解 html entity 的概念。 html entity 是用于表示特殊字符的代码，例如单引号 (') 和双引号 (")。当文本中存在这些字符时，它们将被转换为 html entity，以防止与 html 标记冲突。要将 html entity 转换为正常显示的文本，可以使用专门的工具包或手动操作：使用工具包立即学习 “ 前端免费学习笔记（深入） ”； Python 3.14.3 微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。下载某些工具包或库自带处理 html entity 的函数。例如，在 python 中， html.unescape() 方法可以将 html entity 转换为 unicode 字符。

import html

text = "'original text'"
decoded_text = html.unescape(text)
print(decoded_text)  # 输出: 'original text'

手动处理也可以使用正则表达式手动将 html entity 转换为 unicode 字符。以下正则表达式模式可以匹配 html entity 并将其替换为相应的 unicode 字符：

\&\#x([0-9a-f]+);

替换函数

import re

def decode_html_entities(text):
    def replace_entity(match):
        hex_code = match.group(1)
        return chr(int(hex_code, 16))

    pattern = re.compile(r"\&\#[x]([0-9a-f]+);")
    return pattern.sub(replace_entity, text)

相关文章