Python-检测字符串中重音HTML转义的最佳方法

Question

Python有一些很好的库可以将Unicode重音字符转换为最接近的Ascii字符，也有一些库可以将代码点编码为Unicode字符。

但是，有哪些选项可以检查字符串是否具有unicode代码点或HTML转义？例如，这个字符串：

Rialta te Venice&#199

有&#199，它翻译成拉丁大写字母C。有没有python库可以检测字符串中的代码点/转义并输出Unicode等效代码？

Answer 1

我不太清楚你在问什么，但这是我最好的尝试：

1. &#199是一个HTML转义，您可以像这样取消转义：

   >>> s = 'Rialta te Venice&#199'
   >>> import html
   >>> s2 = html.unescape(s); s2
   'Rialta te VeniceÇ'
   

2. 正如您所说，有一些库用于规范化/删除重音：

   >>> import unidecode
   >>> unidecode.unidecode(s2)
   'Rialta te VeniceC'
   

   您不需要检查它是否有Unicode代码点，因为此函数不会更改非重音字符。但是您可以使用s2.isascii()进行检查。

所以完整的解决方案是使用unidecode.unidecode(html.unescape(s))。