美文网首页
hex转ascii码并且进行html unescape

hex转ascii码并且进行html unescape

作者: 佑岷 | 来源:发表于2019-11-07 15:19 被阅读0次

在获取的json评论中包含如下特殊数据:

f({
    "version": "v2",
    "errcode": "0",
    "errmsg": "",
        
    "result":{
        "comments": [
            
                { 
                    "id": "13392158929",
                    "topped": "0",
                    "guid": "4bd7882a-5177-4a2c-a872-f32f66426a06",
                    "content": "外形外观:可以接受屏幕音效:屏幕不灵敏\x26hellip\x3B音效非常非常差今时今日还做出这样的手机\x26hellip\x3B表示无语\x26hellip\x3B买了只能将就用吧!拍照效果:对于老人家来说可以接受运行速度:老人家不玩游戏\x26hellip\x3B还是可以的待机时间:不理想其他特色:没有什么物色\x26hellip\x3B原以为华为崛起:\x26hellip\x3B性价比较低\x26hellip\x3B!",
                    "creationTime": "2019-11-01 09:55:58",
                    . . . . . . 
                    "userClientShow": "来自京东Android客户端",
                }
                ,
            
                { 
                    "id": "13391208100",
                    "topped": "0",
                    "guid": "d4a74074-3edb-4da1-b201-008bee226dfb",
                    "content": "不错",
                    "creationTime": "2019-10-31 23:28:34",
                    
                    "isTop": false,
                    
                    "referenceId": "100003599639",
                    "referenceImage": "jfs/t1/41065/9/5364/252918/5cee30b8E22c3ea99/5d652e51051b7bdf.jpg",
                    "referenceName": "华为 HUAWEI 麦芒 8 超广角AI三摄 高清珍珠屏 大存储  6GB+128GB 幻夜黑 全网通双4G手机",
                    "referenceTime": "2019-10-29 21:13:04",
                    "referenceType": "Product",
                    . . . . . . 
                    "userClientShow": "来自京东Android客户端",
                }

        ]
    }
})

观察这个类JSON有三处问题:

  1. f(....)所有数据在括号内;
  2. {}中的最后一个属性:"userClientShow": "来自京东Android客户端", 以逗号结尾(并非每个都有逗号);
  3. 最难的是里面有:\x26hellip\x3B这样的特殊数据。

处理方案:

1.最简单:content.strip().lstrip('f(').rstrip(')')即可;

  1. userClientShow带逗号时Json.loads时会抛异常, 可以通过:
re.sub('("userClientShow.*),', '\g<1>', text) 

匹配带“,”的userClientShow,然后去掉“,”并将文本替换到原处;

  1. 麻烦点,观察发现语句:
    “形外观:可以接受屏幕音效:屏幕不灵敏\x26hellip\x3B音效非常非常差今时今日还做出这样的手机”
    中的特殊“\x26hellip\x3B”需要经过如下变形方可:“\x26hellip\x3B”→“& hellip ;”→“...”

首先: “\x26hellip\x3B”→“& hellip ;”

    def _hex(self, __hex):
       return chr(int(__hex.group()[2:], 16))

    content= re.sub(r'\\x.{2}', self._hex, content)

然后: “& hellip ;”→“...”

text = HTMLParser.HTMLParser().unescape(text)

解决。

相关文章

网友评论

      本文标题:hex转ascii码并且进行html unescape

      本文链接:https://www.haomeiwen.com/subject/rglovctx.html