python - Python - 检测字符串中重音 HTML 转义的最佳方法？

Question

Python 有一些很好的库可以将 Unicode 重音字符转换为其最接近的 Ascii 字符，以及将代码点编码为其 Unicode 字符的库。

但是，有哪些选项可以检查字符串是否具有 unicode 代码点或 HTML 转义？例如，这个字符串：

Rialta te Venice&#199

有&#199，翻译成拉丁文大写字母 C。是否有一个 python 库可以检测字符串中的代码点/转义并输出 Unicode 等价物？

标签： pythonstringunicodeasciinon-ascii-characters

Answer 1

我不太清楚你在问什么，但这是我最好的尝试：

1. &#199是一个HTML 转义，您可以像这样取消转义：

   >>> s = 'Rialta te Venice&#199'
   >>> import html
   >>> s2 = html.unescape(s); s2
   'Rialta te VeniceÇ'
   

2. 正如您所说，有一些用于规范化/删除重音的库：

   >>> import unidecode
   >>> unidecode.unidecode(s2)
   'Rialta te VeniceC'
   

   您实际上不需要检查它是否具有 Unicode 代码点，因为此函数不会更改非重音字符。但是您仍然可以使用s2.isascii().

所以完整的解决方案是使用unidecode.unidecode(html.unescape(s)).