一个可以防止从元史解析HTML实体？

StackOverflow https://stackoverflow.com/questions/1555644

  •  20-09-2019
  •  | 
  •  

题

我有使用元史以下Python代码（简化的）：

with open(pathToHTMLFile, 'r') as f:
    template = MarkupTemplate(f.read())
finalPage = template.generate().render('html', doctype = 'html')

在源HTML文件中包含的实体，如©，™和®。元史与他们的UTF-8字符，这会导致问题与观看者（输出被用作一个独立的文件，而不是到网络请求的响应），最终看到所得到的HTML替换这些。有什么办法来防止元史通过解析这些实体？像&较为常见的是通过就好通过。

有帮助吗？

解决方案

实际上&通过不通过，它解析成一个符号字符，然后串行化回的出路&因为这是必要的，以表示HTML文字符号。 ©，在另一方面，是不是一个必要的逃逸，因此它可以被留作为其文字字符。

因此，没有，没有办法的停止的实体引用被解析。但是你可以确保背出由连载于普通的ASCII非ASCII字符的方式重新转义：

template.generate().render('html', doctype= 'html', encoding= 'us-ascii')

您仍然不会得到实体引用©在你的输出，但你会得到字符引用©这相当于，而且会以任何显示的是最终的文件可以理解的。

其他提示

敷贴

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

在HTML的<head>应导致浏览器正确地呈现UTF-8。

要澄清，根的问题是，相应的©UTF-8字符不在静态HTML正确呈现。正确地放置在HTML元标记告诉浏览器如何正确地解释的字符集，从而使得该UTF-8字符。

要防止在元史的（X）HTML标记字符转义：

from genshi.core import Markup
...
newstring = Markup(oldstring)
...
<now apply templates as before, but substituting newstring for oldstring>
许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top