Обработка мнемоник HTML (еще раз)

Ниже приводится еще один пример анализа разметки HTML: в главе 15 мы использовали простой метод, экспортируемый этим модулем, чтобы преобразовать экранированные последовательности HTML (мнемоники) в строках, встроенных в HTML-страницу ответа:

> >> import cgi, html.parser

> >> s = cgi.escape("1<2 hello")

>>> s

‘1<2 hello’

>>>

> >> html.parser.HTMLParser().unescape(s)

‘1<2 hello’

Этот прием работает для преобразования экранированных последовательностей HTML, но это не все. Когда мы рассматривали это решение, я давал понять, что существует более универсальный подход. Теперь, когда вы познакомились с моделью методов обратного вызова парсера HTML, есть смысл рассмотреть более характерный для Python способ обработки мнемоник в процессе анализа — достаточно просто перехватывать события обнаружения мнемоник в подклассе парсера и выполнять необходимые преобразования:

> >> class Parse(html.parser.HTMLParser):

… def handle_data(self, data):

… print(data, end=»)

… def handle_entityref(self, name):

… map = dict(lt='<‘, gt=’>’)

… print(map[name], end=»)

…

> >> p = Parse()

> >> p.feed(s); print()

1<2 hello

Или, что еще лучше, использовать модуль Python html.entities, чтобы избежать необходимости определять таблицу преобразований мнемоник HTML в символы. Этот модуль определяет значительно большее количество мнемоник, чем простой словарь в предыдущем примере, и включает все мнемоники, с которыми можно столкнуться при анализе текста HTML:

> >> s

‘1<2 hello’

>>>

> >> from html.entities import entitydefs

> >> class Parse(html.parser.HTMLParser):

… def handle_data(self, data):

… print(data, end=»)

… def handle_entityref(self, name):

… print(entitydefs[name], end=»)

> >> P = Parse()

> >> P.feed(s); print()

1<2 hello