web-dev-qa-db-ja.com

Python）で特殊なHTML文字をエスケープする

'または"または&（...）などの特殊文字を表示できる文字列があります。文字列内：

string = """ Hello "XYZ" this 'is' a test & so on """

すべての特殊文字を自動的にエスケープして、次のようにするにはどうすればよいですか。

string = " Hello "XYZ" this 'is' a test & so on "
pythonescaping
21
creativz

Python 3.2では、 _html.escape_関数 を使用できます。例：.

_>>> string = """ Hello "XYZ" this 'is' a test & so on """
>>> import html
>>> html.escape(string)
' Hello "XYZ" this 'is' a test & so on '
_

以前のバージョンのPythonについては、 http://wiki.python.org/moin/EscapingHtml を確認してください。

cgi module 付属Pythonには escape() function ：

_import cgi

s = cgi.escape( """& < >""" )   # s = "&amp; &lt; &gt;"
_

ただし、_&_、_<_、および_>_を超える文字はエスケープされません。 cgi.escape(string_to_escape, quote=True)として使用される場合は、_"_もエスケープします。

引用符やアポストロフィもエスケープできる小さなスニペットを次に示します。

_ html_escape_table = {
     "&": "&amp;",
     '"': "&quot;",
     "'": "&apos;",
     ">": "&gt;",
     "<": "&lt;",
     }

 def html_escape(text):
     """Produce entities within text."""
     return "".join(html_escape_table.get(c,c) for c in text)
_

escape() from _xml.sax.saxutils_ を使用してhtmlをエスケープすることもできます。この関数はより速く実行されるはずです。同じモジュールのunescape()関数に同じ引数を渡して、文字列をデコードできます。

_from xml.sax.saxutils import escape, unescape
# escape() and unescape() takes care of &, < and >.
html_escape_table = {
    '"': "&quot;",
    "'": "&apos;"
}
html_unescape_table = {v:k for k, v in html_escape_table.items()}

def html_escape(text):
    return escape(text, html_escape_table)

def html_unescape(text):
    return unescape(text, html_unescape_table)
_
39
kennytm

cgi.escape メソッドは、特別な文字を有効なhtmlタグに変換します

 import cgi
 original_string = 'Hello "XYZ" this \'is\' a test & so on '
 escaped_string = cgi.escape(original_string, True)
 print original_string
 print escaped_string

結果として

Hello "XYZ" this 'is' a test & so on 
Hello &quot;XYZ&quot; this 'is' a test &amp; so on

Cgi.escapeのオプションの2番目のパラメーターは、引用符をエスケープします。デフォルトでは、それらはエスケープされません

5
Robert Christie

単純な文字列関数がそれを行います：

def escape(t):
    """HTML-escape the text in `t`."""
    return (t
        .replace("&", "&amp;").replace("<", "&lt;").replace(">", "&gt;")
        .replace("'", "&#39;").replace('"', "&quot;")
        )

このスレッドの他の回答には小さな問題があります。cgi.escapeメソッドは何らかの理由で一重引用符を無視するため、二重引用符を明示的に要求する必要があります。リンクされたwikiページは5つすべてを実行しますが、XMLエンティティを使用します&apos;、これはHTMLエンティティではありません。

このコード関数は、HTML標準エンティティを使用して、常に5つすべてを実行します。

4
Ned Batchelder

ここにある他の答えは、あなたがリストしたキャラクターや他のいくつかのキャラクターなどに役立ちます。ただし、他のすべてもエンティティ名に変換する場合は、別のことを行う必要があります。たとえば、áを&aacute;に変換する必要がある場合、cgi.escapeもhtml.escapeも役に立ちません。単なる辞書であるhtml.entities.entitydefsを使用するこのようなことをしたいと思うでしょう。 （次のコードはPython 3.x用に作成されていますが、2.xと互換性を持たせるための部分的な試みがあります）：

# -*- coding: utf-8 -*-

import sys

if sys.version_info[0]>2:
    from html.entities import entitydefs
else:
    from htmlentitydefs import entitydefs

text=";\"áèïøæỳ" #This is your string variable containing the stuff you want to convert
text=text.replace(";", "$ஸ$") #$ஸ$ is just something random the user isn't likely to have in the document. We're converting it so it doesn't convert the semi-colons in the entity name into entity names.
text=text.replace("$ஸ$", "&semi;") #Converting semi-colons to entity names

if sys.version_info[0]>2: #Using appropriate code for each Python version.
    for k,v in entitydefs.items():
        if k not in {"semi", "amp"}:
            text=text.replace(v, "&"+k+";") #You have to add the & and ; manually.
else:
    for k,v in entitydefs.iteritems():
        if k not in {"semi", "amp"}:
            text=text.replace(v, "&"+k+";") #You have to add the & and ; manually.

#The above code doesn't cover every single entity name, although I believe it covers everything in the Latin-1 character set. So, I'm manually doing some common ones I like hereafter:
text=text.replace("ŷ", "&ycirc;")
text=text.replace("Ŷ", "&Ycirc;")
text=text.replace("ŵ", "&wcirc;")
text=text.replace("Ŵ", "&Wcirc;")
text=text.replace("ỳ", "&#7923;")
text=text.replace("Ỳ", "&#7922;")
text=text.replace("ẃ", "&wacute;")
text=text.replace("Ẃ", "&Wacute;")
text=text.replace("ẁ", "&#7809;")
text=text.replace("Ẁ", "&#7808;")

print(text)
#Python 3.x outputs: &semi;&quot;&aacute;&egrave;&iuml;&oslash;&aelig;&#7923;
#The Python 2.x version outputs the wrong stuff. So, clearly you'll have to adjust the code somehow for it.
0
Brōtsyorfuzthrāx