BeautifulSoup不需要的html实体替换

Question

我使用MathType从Word文档生成了一些包含mml的html。我有一个使用BeautifulSoup来优化它的python脚本，但问题是需要类似∠的东西，并将其转换为实际的字节序列0xE2 0x88 0xA0，这是＆＃x2220;符号。这是一个问题，因为0xE2 0x88 0xA0不会显示为＆＃x2220;在浏览器中。相反，浏览器将其解释为一系列拉丁字符。这与所有的数学实体发生的事情为好，如Δ ∠ − + ......等

我从BeautifulSoup文件看，我可以看到如何把实体到字节序列，但我不使用该命令;我正在使用的是美化（）。我没有在BeautifulSoup文档中找到一种方法来将实体转换为字节序列。

有谁知道BeautifulSoup中是否存在一个设置，告诉它不要将实体更改为字节序列？我希望如此，因为它似乎有点愚蠢，必须撤消美化运行后的损害:)

在此先感谢您的帮助！

Answer 1

我错过了BeautifulSoup文档的一部分。默认输出格式化程序执行所描述的行为：将html实体转换为unicode字符。因此，可以通过使用不同的输出格式化程序来更改此行为。 （D'OH）

“您可以通过格式化参数提供的值更改此行为美化（），编码（），或解码（）......”

所以，如果我通过在formatter="html"只要有可能，Beautiful Soup就会将Unicode字符转换为HTML实体！好极了！谢谢美丽的汤！

（他们有这么好的文档，可惜我没有更早读完整件东西）：$）