在Python中转义HTML的最简单方法是什么？

Question

cgi.escape似乎是一种可能的选择。它运作良好吗？有什么更好的东西吗？

Answer 1

cgi.escape很好 它逃脱了：

< 至 &lt;

> 至 &gt;

& 至 &amp;

对于所有HTML而言，这就足够了。

编辑：如果您有非ASCII字符，您还想转义，以便包含在使用不同编码的另一个编码文档中，如Craig所说，只需使用：

data.encode('ascii', 'xmlcharrefreplace')

不要忘了解码data到unicode第一，使用任何编码它编码的。

但是根据我的经验，如果您unicode从头开始一直都在工作，那么这种编码是没有用的。只需在文档头中指定的编码末尾进行编码（utf-8以实现最大兼容性）。

例：

>>> cgi.escape(u'<a>bá</a>').encode('ascii', 'xmlcharrefreplace')

'&lt;a&gt;b&#225;&lt;/a&gt;

另外值得一提的（感谢Greg）是额外的quote参数cgi.escape。将其设置为True，cgi.escape还转义双引号字符（"），因此您可以在XML / HTML属性中使用结果值。

编辑：请注意，在Python 3.2中不推荐使用cgi.escape，而推荐使用，html.escape除了quote默认值为True 以外，它的功能相同。

Answer 2

在Python 3.2中html，引入了一个新模块，该模块用于从HTML标记转义保留字符。

它具有一个功能escape()：

>>> import html

>>> html.escape('x > 2 && x < 7')

'x &gt; 2 &amp;&amp; x &lt; 7'

Answer 3

如果您希望在URL中转义HTML：

这可能不是OP想要的（问题并不能清楚地表明转义是在哪种上下文中使用的），但是Python的本机库urllib具有一种逃避需要安全包含在URL中的HTML实体的方法。

以下是一个示例：

#!/usr/bin/python

from urllib import quote

x = '+<>^&'

print quote(x) # prints '%2B%3C%3E%5E%26'