Python3.4之前的HTML实体取消回避

Question

注意：This让我们在3.4python之前的版本上进行3.4html5实体转换！你知道吗

我正在为Markdown的CommonMark规范编写一个parser+呈现程序，并试图找出跨各种python版本转义HTML实体的最佳方法。你知道吗

对于python3我使用html.parser.HTMLParser().unescape，对于python2我使用HTMLParser.HTMLParser().unescape。它们本质上是相同的函数，只是后来的Python版本更新了实体定义表，因为这个字符串在python3.4中运行良好

#␣Ӓ␣Ϡ␣� => #␣Ӓ␣Ϡ␣�

在python3.3和python2上会产生这样的结果

#␣Ӓ␣Ϡ␣� => #␣Ӓ␣Ϡ␣�

其他各种HTML实体也会发生这种情况，例如

Ď␣ℋ␣ⅆ␣∲

我想知道是否有人知道这样做的方式，要么交叉兼容，或在3.4之前的版本，不需要第三方模块良好的工作？你知道吗

我试图避免基本上从python3.4复制实体表并将其存储在某个文件中：<

Answer 1

您可以使用Python库html5charref

$ pip install git+https://github.com/bpabel/html5charref.git

然后按如下方式使用：

html = u'This has © and < and © symbols'
print html5charref.unescape(html)
# u'This has \uxa9 and < and \uxa9 symbols'