Python - 將unicode十六進制轉換爲字符串

Question

我使用Readability Parser API從網頁中提取內容。它是確定當網頁是在拉丁字符集，但是當我提取西里爾文章，它具有下列結束：

<div>&#x412;&#x432;&#x43E;&#x441;&#x43A;&#x440;&#x435;&#x441;&#x435;&#x43D;&#x44C;</div>...etc 

有趣的下面是一個網頁的標題是正確提取在西里爾文，但不是內容。我的嘗試是做到以下幾點，因爲它在這個SO answer建議：

content = unicodedata.normalize('NFKD', content).encode('ascii','ignore') 

，但沒有奏效。你能告訴我在保存到數據庫之前是否有辦法轉換這個字符串？

請讓我知道，如果我的問題的標題正確解釋我需要什麼。謝謝。

Answer 1

單向（Python的3.3）：

>>> s='<div>&#x412;&#x432;&#x43E;&#x441;&#x43A;&#x440;&#x435;&#x441;&#x435;&#x43D;&#x44C;</div>' 
>>> import html.parser 
>>> h=html.parser.HTMLParser() 
>>> h.unescape(s) 
'<div>Ввоскресень</div>' 

的Python 2.7：

>>> s='<div>&#x412;&#x432;&#x43E;&#x441;&#x43A;&#x440;&#x435;&#x441;&#x435;&#x43D;&#x44C;</div>' 
>>> import HTMLParser 
>>> h=HTMLParser.HTMLParser() 
>>> print(h.unescape(s)) 
<div>Ввоскресень</div> 

P.S.我去尋找文檔鏈接，它看起來像unescape沒有記錄。這裏有一個方法，而無需使用未公開的API：

>>> re.sub(r'&#x(.*?);',lambda x: chr(int(x.group(1),16)),s) 
'<div>Ввоскресень</div>' 

根據註釋它看起來終於證明（和移動）在Python 3.4：

• https://docs.python.org/3.4/library/html.html#html.unescape