如何使用 HTML 实体将 Unicode 编码为 ASCII

Question

我需要在 Python 中使用 HTML 实体将 unicode UTF-8 字符串编码为 ASCII。

要明确：

source = u"Hello…"
wanted = "Hello…"

这不是解决方案：

as_ascii = source.encode('ascii', 'xmlcharrefreplace')

因为as_ascii 将被设置为Hello… - 即使用XML 字符引用，而不是HTML。

是否有 Python 模块/函数/实体字典可以：

1. 使用 HTML 字符引用将 unicode 解码为 ASCII。
2. 将包含 XML 字符引用的 ASCII 字符串替换为 HTML 字符引用（视情况而定）。

Answer 1

示例程序（文件decode_to_entity.py）：

#-*- coding: utf-8 -*-

import htmlentitydefs as entity

def decode_to_entity(s):
        t = ""
        for i in s:
                if ord(i) in entity.codepoint2name:
                        name = entity.codepoint2name.get(ord(i))
                        t += "&" + name + ";"
                else:
                        t += i
        return t



print(decode_to_entity(u"Hello…"))

示例执行：

$ python decode_to_entity.py
Hello…