逃離＆hellip;與BeautifulSoup

我現在正在使用BeautifulSoup刮一些網站，但是我有一些特定字符的問題，UnicodeDammit內的代碼似乎表明這（再）是一些微軟發明的。逃離＆hellip;與BeautifulSoup

我使用BeautifulSoup的最新版本（3.0.8.1），因爲我仍在使用的python2.5

下面的代碼說明我的問題：

from BeautifulSoup import BeautifulSoup 
soup = BeautifulSoup('...Baby One More Time (Digital Deluxe Version&hellip;') 
print soup 

'...Baby One More Time (Digital Deluxe Version&hellip;'

正如你所看到的問題是最後一個'＆'（& hellip）字符（您的瀏覽器可能正確地轉義了）。顯然這不是我所感興趣的。

這將是很高興有這個字符unicode表示或什麼的。即使單純地忽視它也能解決我的特殊問題。

我如何用BeautifulSoup做到這一點？

來源

2010-07-01 eric

定義找到解決自己：

soup = BeautifulSoup('...Baby One More Time (Digital Deluxe Version&hellip;', convertEntities="html")

來源

2010-07-11 17:04:44 eric

MS可能已經發明，但…是HTML 4的一部分：http://www.w3.org/TR/REC-html40/sgml/entities.html

也許你Lib/htmlentitydefs.py是丟失或過期，因爲這就是BeautifulSoup使用轉換實體。

如果你看看the Python 2.5 source tree，你會清楚地看到它上線126

來源

2010-07-05 17:33:19 Gabe

逃離＆hellip;與BeautifulSoup

回答

相關問題