如何在Python中转义HTML?

Question

我有一个 <img src=__string__>，但是字符串里面可能会包含双引号（"），我该怎么处理才能让它正常工作呢？

举个例子：

__string__ = test".jpg
<img src="test".jpg">

这样是不行的。

Answer 1

import cgi
s = cgi.escape('test".jpg', True)

请注意，True这个标志会让它转义双引号。如果你还需要转义单引号（如果你是那种少见的人，喜欢用单引号来包裹HTML属性），可以查看那个文档链接中关于xml.sax.saxutils.quoteattr()的说明。后者可以处理两种引号，不过速度大约慢三倍：

>>> timeit.Timer( "escape('asdf\"asef', True)", "from cgi import escape").timeit()
1.2772219181060791
>>> timeit.Timer( "quoteattr('asdf\"asef')", "from xml.sax.saxutils import quoteattr").timeit()
3.9785079956054688

Answer 2

在Python 3.2版本中，新增了一个叫做html的模块，这个模块主要用来处理HTML标记中的一些特殊字符，让它们变得安全。

这个模块里有一个函数叫做html.escape(s, quote=True)。如果你把可选的参数quote设置为真（True），那么字符(")和(')也会被转换成安全的形式。

用法示例：

>>> import html
>>> html.escape('x > 2 && x < 7')
'x &gt; 2 &amp;&amp; x &lt; 7'

Answer 3

如果你要处理的值可能包含引号，最好的办法是使用 quoteattr 方法：http://docs.python.org/library/xml.sax.utils.html#module-xml.sax.saxutils

这个方法在关于 cgi.escape() 方法的文档下面有提到。