如何在Python中将扩展ASCII转换为HTML实体名称？

Question

我现在正在做的是把扩展的ASCII字符替换成它们对应的HTML实体数字形式：

s.encode('ascii', 'xmlcharrefreplace')

我想要做的是把它们转换成HTML实体名称的形式（也就是说，用©代替©）。下面这个小程序展示了我想做的事情，但它没有成功。有没有其他方法可以做到这一点，而不是简单的查找和替换呢？

#coding=latin-1

def convertEntities(s):
    return s.encode('ascii', 'xmlcharrefreplace')

ok = 'ascii: !@#$%^&*()<>'
not_ok = u'extended-ascii: ©®°±¼'

ok_expected = ok
not_ok_expected = u'extended-ascii: &copy;&reg;&deg;&plusmn;&frac14;'

ok_2 = convertEntities(ok)
not_ok_2 = convertEntities(not_ok)

if ok_2 == ok_expected:
    print 'ascii worked'
else:
    print 'ascii failed: "%s"' % ok_2

if not_ok_2 == not_ok_expected:
    print 'extended-ascii worked'
else:
    print 'extended-ascii failed: "%s"' % not_ok_2

Answer 1

编辑

其他人提到了我之前不知道的 htmlentitydefs。用我的代码可以这样来实现：

from htmlentitydefs import entitydefs as symbols

for tag, val in symbols.iteritems():
   mystr = mystr.replace("&{0};".format(tag), val)

这样应该就能正常工作了。

Answer 2

你想要的是 htmlentitydefs 吗？

import htmlentitydefs
htmlentitydefs.codepoint2name.get(ord(c),c)

Answer 3

更新 这是我选择的解决方案，并且我做了一个小修改，以确保entitydefs中包含我们所拥有的字符的映射。

def convertEntities(s):
    return ''.join([getEntity(c) for c in s])

def getEntity(c):
    ord_c = ord(c)
    if ord_c > 127 and ord_c in htmlentitydefs.codepoint2name:
        return "&%s;" % htmlentitydefs.codepoint2name[ord_c]
    return c