如何用Python将网页中的Unicode序列转换为中文字符？

要将新北市这类HTML十六进制Unicode实体转换成可正常显示的中文，以下是两种可靠方法：

方法一：使用内置html模块（推荐） #

Python 3.2及以上版本自带html模块，其unescape方法可直接处理所有HTML实体，无需手动拆分：

import html
raw_str = '新北市'
mystring = html.unescape(raw_str)
print(mystring)  # 输出：新北市

方法二：手动解析转换 #

如果不想依赖模块，可拆分字符串提取十六进制码，再通过chr()函数转换：

raw_str = '新北市'
# 拆分并过滤空字符串
parts = [p for p in raw_str.split(';') if p]
# 提取十六进制部分，转成整数后转成Unicode字符
mystring = ''.join([chr(int(p[3:], 16)) for p in parts])
print(mystring)  # 输出：新北市

为什么之前的方法无效？ #

• 直接用'\u'替换会触发语法错误：Python在编译字符串时，要求\u后必须紧跟4个十六进制字符，动态替换的'\u'在编译阶段是不完整的转义序列，因此报错。
• 用'\\u'替换得到的是字面量的\u字符，而非Unicode转义序列，所以打印结果是\u65B0\u5317\u5E02，无法解析为中文。

内容的提问来源于stack exchange，提问作者uhoh