BeautifulSoup不需要的html實體替換

Question

我使用MathType從Word文檔生成了一些包含mml的html。我有一個使用BeautifulSoup來優化它的python腳本，但問題是需要類似∠的東西，並將其轉換爲實際的字節序列0xE2 0x88 0xA0，這是＆＃x2220;符號。這是一個問題，因爲0xE2 0x88 0xA0不會顯示爲＆＃x2220;在瀏覽器中。相反，瀏覽器將其解釋爲一系列拉丁字符。這與所有的數學實體發生的事情爲好，如Δ ∠ − + ......等

我從BeautifulSoup文件看，我可以看到如何把實體到字節序列，但我不使用該命令;我正在使用的是美化（）。我沒有在BeautifulSoup文檔中找到一種方法來將實體轉換爲字節序列。

有誰知道BeautifulSoup中是否存在一個設置，告訴它不要將實體更改爲字節序列？我希望如此，因爲它似乎有點愚蠢，必須撤消美化運行後的損害:)

在此先感謝您的幫助！

Answer 1

我錯過了BeautifulSoup文檔的一部分。默認輸出格式化程序執行所描述的行爲：將html實體轉換爲unicode字符。因此，可以通過使用不同的輸出格式化程序來更改此行爲。 （D'OH）

「您可以通過格式化參數提供的值更改此行爲美化（），編碼（），或解碼（）......」

所以，如果我通過在formatter="html"只要有可能，Beautiful Soup就會將Unicode字符轉換爲HTML實體！好極了！謝謝美麗的湯！

（他們有這麼好的文檔，可惜我沒有更早讀完整件東西）：$）