在 Python 中将 XML/HTML 实体转换为 Unicode 字符串 [重复]

我正在做一些网页抓取，网站经常使用 HTML 实体来表示非 ASCII 字符。 Python 是否有一个实用程序可以接受带有 HTML 实体的字符串并返回 unicode 类型？

例如：

我回来了：

ǎ

代表一个带有声调标记的“ǎ”。在二进制中，这表示为 16 位 01ce。我想将html实体转换为值u'\u01ce'

标准库自己的 HTMLParser 有一个未记录的函数 unescape() ，它的作用完全符合您的想法：

直至 Python 3.4：

import HTMLParser
h = HTMLParser.HTMLParser()
h.unescape('© 2010') # u'\xa9 2010'
h.unescape('© 2010') # u'\xa9 2010'

Python 3.4+：

import html
html.unescape('© 2010') # u'\xa9 2010'
html.unescape('© 2010') # u'\xa9 2010'