如何在Python 2中实现与Python 3一致的html unescape转义效果

• Python 2.7 内置的HTMLParser仅收录了HTML4标准的实体定义，	、
、∷属于HTML5新增实体，因此无法被识别解码
• Python 3.4+ 内置的HTML处理模块已完整支持HTML5实体，你看到的「双冒号」是∷对应的Unicode标准字符「比例冒号」（编码U+2237，字形为∷），属于正常解码结果，不是报错

推荐使用beautifulsoup4库实现跨版本统一解码，该库自带完整的HTML5实体映射表，由维护团队同步更新HTML标准新增实体，不需要你自己维护实体列表，可直接实现和Python3原生一致的解码效果。

1. 首先安装依赖：

pip install beautifulsoup4 six

2. 封装统一的解码函数：

from bs4 import BeautifulSoup
import six

def html_unescape(input_str):
    # 兼容Python2的编码处理
    if six.PY2 and isinstance(input_str, str):
        input_str = input_str.decode("utf-8")
    return BeautifulSoup(input_str, "html.parser").string

3. 测试验证：

# 测试用例和你提供的一致
print((html_unescape('£<	
∷'),))

运行后在Python2和Python3环境下都会输出相同结果：

('£<\t\n∷',)

内容的提问来源于stack exchange，提问作者metigue