Python - 将unicode十六进制转换为字符串

Question

我使用Readability Parser API从网页中提取内容。它是确定当网页是在拉丁字符集，但是当我提取西里尔文章，它具有下列结束：

<div>&#x412;&#x432;&#x43E;&#x441;&#x43A;&#x440;&#x435;&#x441;&#x435;&#x43D;&#x44C;</div>...etc 

有趣的下面是一个网页的标题是正确提取在西里尔文，但不是内容。我的尝试是做到以下几点，因为它在这个SO answer建议：

content = unicodedata.normalize('NFKD', content).encode('ascii','ignore') 

，但没有奏效。你能告诉我在保存到数据库之前是否有办法转换这个字符串？

请让我知道，如果我的问题的标题正确解释我需要什么。谢谢。

Answer 1

单向（Python的3.3）：

>>> s='<div>&#x412;&#x432;&#x43E;&#x441;&#x43A;&#x440;&#x435;&#x441;&#x435;&#x43D;&#x44C;</div>' 
>>> import html.parser 
>>> h=html.parser.HTMLParser() 
>>> h.unescape(s) 
'<div>Ввоскресень</div>' 

的Python 2.7：

>>> s='<div>&#x412;&#x432;&#x43E;&#x441;&#x43A;&#x440;&#x435;&#x441;&#x435;&#x43D;&#x44C;</div>' 
>>> import HTMLParser 
>>> h=HTMLParser.HTMLParser() 
>>> print(h.unescape(s)) 
<div>Ввоскресень</div> 

P.S.我去寻找文档链接，它看起来像unescape没有记录。这里有一个方法，而无需使用未公开的API：

>>> re.sub(r'&#x(.*?);',lambda x: chr(int(x.group(1),16)),s) 
'<div>Ввоскресень</div>' 

根据注释它看起来终于证明（和移动）在Python 3.4：

• https://docs.python.org/3.4/library/html.html#html.unescape