如何正确实现RSS源单/双重转义标题的反转义处理

问题场景 #

处理RSS feed内容时，除了常规的单次HTML实体转义内容，还会遇到异常多重转义的内容，典型异常标题样例：

<title>S&amp;amp;amp;P 500 : Wall Street amorce un rebond, Binance fait l&amp;amp;apos;objet d&amp;amp;apos;une enquête de la SEC</title>

浏览器对该内容的正确渲染结果为：

S&P 500 : Wall Street amorce un rebond, Binance fait l'objet d'une enquête de la SEC

常规单次反转义逻辑处理多重转义内容会残留转义字符，硬编码固定反转义次数（比如固定反转2次）又无法兼容单次转义、三重及以上转义的场景，容易出现转义不足或过转义问题。

实现方案 #

核心逻辑是循环执行标准HTML实体反转义，直到反转义结果不再发生变化为止，该方案天然兼容1次到N次的任意层数转义，不需要提前判断内容转义次数，也不会出现过转义问题。

实现注意事项 #

• 不要硬编码固定反转义次数：固定次数无法覆盖所有转义场景，次数设少了会残留转义实体，次数设多了会把正文里本来需要保留的实体字符错误解析
• 仅使用标准HTML实体反转义规则：只处理标准命名实体（&/'/</>/"等）和数字实体（'/'等），不要自定义扩展解析规则，避免误解析正文内容
• 终止条件判断：每次执行反转义后对比新旧字符串，二者完全一致时说明已经没有可解析的转义实体，直接终止流程返回结果即可
• 前置处理优先使用标准XML解析器提取RSS节点文本，不要用正则表达式匹配截取标签内容，避免标签解析错误引入额外问题

代码示例（Python） #

import html

def unescape_multi_escape(content: str) -> str:
    while True:
        current_result = html.unescape(content)
        # 无更多可反转义内容时终止
        if current_result == content:
            return current_result
        content = current_result

效果验证 #

• 输入单次转义内容S&P 500：第一次反转义得到S&P 500，第二次执行反转义结果无变化，返回正确结果
• 输入前述三重转义的异常标题：经过3次循环反转义后得到和浏览器渲染完全一致的正确文本，第四次执行无变化后终止返回

内容的提问来源于stack exchange，提问作者Vladimir Bershov