saxutils.escape() 逃逸分号两次

Question

我正在尝试使用saxutils.escape方法来转义分号。

saxutils.escape('<;', {';': '&#59;'})

我希望它能生成

'<&#59;'

但实际上它给出的结果是

'&lt&#59;&#59;'

这是故意这样设计的吗？我该如何得到我想要的结果呢？

Answer 1

这是故意这样设计的，Frédéric Hamidi 也解释了原因。

那么，你该如何得到你想要的呢？

可以参考 @agf 的建议：

escape_table = {
    "&": "&",
    ">": ">",
    "<": "&lt;",
    ";": "&#59;",
    }

def escape(text):
    return "".join(escape_table.get(c,c) for c in text)

Answer 2

这是因为 escape() 函数会考虑到被转义的 < 最后的分号字符，并按照指示将其替换为 &#59;。所以，<; 会变成 &lt&#59;&#59;。

通常情况下，分号不需要这样转义，所以我认为这不是函数的错误，只是处理这个特定字符时的一个特殊情况。

Answer 3

你的问题在于 saxutils.escape 的工作方式分为两个步骤。首先，它会处理 <、> 和 & 这些字符，然后再用 entities 来处理刚刚得到的结果。

所以，一旦 < 被替换成 <，你就得到了 <;，最终结果变成了 &lt&#59;&#59;。

简单来说，这个过程是有道理的。如果你需要处理分号，那不是因为 HTML 的原因，而是为了双重处理它们。在这种情况下，处理 HTML 所需的分号是合理的。

你无法通过 saxutils.escape 得到你想要的结果。你需要使用其他的方法来处理。可以参考一下 Python Wiki 上关于 HTML 转义的页面，里面有一些建议。

你也可以使用我在 如何在多个文件中同时查找和替换多个查询的最佳方法？ 中提到的方法，来同时替换分号和其他模式，这样就不会出现重复替换的情况。