Python：Unicode到html實體

Question

我在將unicode轉換爲html實體時遇到了問題。

這裏是我當前的代碼：

>> name = u'\xc3\xa1\xc3\xa1\xc3\xa1\xc3\xa1' 

>> entities = name.encode('ascii', 'xmlcharrefreplace') 

>> print str(entities) 
áááá 

每個\xc3\xa1 = á（多字節字符），但是當我將其轉換爲實體，我得到2個實體的單個字符。

Answer 1

\xc3\xa1是在UTF-8中的á,而不是在Unicode中的。

（áááá以Unicode將u'\xe1\xe1\xe1\xe1'）

因此，您需要使用一個字符串來定義它，而不是一個Unicode的文字（'' VS u''）。一旦獲得UTF-8，您需要將其解碼爲Unicode，然後再將其編碼爲具有XML實體的ASCII：

>>> name = '\xc3\xa1\xc3\xa1\xc3\xa1\xc3\xa1'.decode('utf-8') 
>>> name.encode('ascii', 'xmlcharrefreplace') 
'áááá'