如何转码 US ASCII HTML，例如Linux下的é转UTF-8的é答案

【问题标题】：How can I transcode US ASCII HTML's e.g. é to UTF-8's é undere Linux如何转码 US ASCII HTML，例如Linux下的é转UTF-8的é
【发布时间】：2019-10-09 21:26:14
【问题描述】：

快速的网络搜索将确认 US ASCII 是 UTF-8 的子集，但我还没有找到如何转换 &foo;和 {到它们对应的原生 UTF-8 字符。

我知道至少 7 位 US ASCII 在 UTF-8 中没有变化，但我还没有看到过滤和转换 &foo; 的程序。到它如何自然地用 UTF-8 表达。

【问题讨论】：

不清楚你在问什么。你的意思是编程吗？但是所以我们需要知道语言（shell被认为是一种语言）。注意：您将编码（ASCII/UTF-8）与转义序列和语言表示混合。 &foo; 存在于 ASCII 和 UTF-8 以及许多其他编码中。您的示例似乎是 HTML 或 XML，您应该在问题中指定这一点。
是否有一个 Linux 命令可以让我获取 US-ASCII input.html，其中包含例如&alpha; 并将 &alpha; 的所有实例都替换为 α 的 UTF-8 输出文件输出到文件 output.html 或 stdout？
也许您可以将其转换为一个编程问题，例如节点，或者将其移至高级用户或 Linux SE 站点。
我认为没有好的程序。您需要一个 HTML 解析器，否则您可能会在字符串和其他地方（不应该更改的地方）进行替换。对我来说，您似乎在寻找错误的问题。可能你得到你需要的数据后应该做这样的替换（例如当你提取标题等时）关键字是html entities，没有那么多。

标签： utf-8 character-encoding ascii

【解决方案1】：

您可以在 PHP 中使用 html_entity_decode(s, "UTF-8") 或在 Python 中使用 html.unescape(s)。

【讨论】：