pre Python 3.4 HTML 实体取消转义

Question

注意：This 让您在 Python 3.4 之前的版本上进行 3.4 HTML5 实体转换！

我正在为 Markdown 的 CommonMark 规范编写一个解析器+渲染器，我正在尝试找出在各种 python 版本中转义 HTML 实体的最佳方法。

对于 Python 3，我使用 html.parser.HTMLParser().unescape，对于 Python 2，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 Python 3.4 中可以正常工作

#␣Ӓ␣Ϡ␣� => #␣Ӓ␣Ϡ␣�

Python 3.3 和 2 上的结果

#␣Ӓ␣Ϡ␣� => #␣Ӓ␣Ϡ␣�

这也发生在各种其他 HTML 实体中，即

Ď␣ℋ␣ⅆ␣∲

我想知道是否有人知道这样做的方法是交叉兼容的，或者在 3.4 之前的版本上运行良好，不需要 3rd 方模块？

我试图避免基本上从 python 3.4 复制实体表并将其存储在某个文件中：

Answer 1

你可以使用 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'