需要RE来检测UTF-8

Question

我有以下代码

inf = codecs.open(inPath , encoding='utf-8')

outf = codecs.open(outPath, encoding='utf-8', mode='w')

old = u'’;'

new = u'’&#59;'

for line in inf:

    line = line.replace(old,new)

    asc = line.encode('ascii', 'xmlcharrefreplace')    

    outf.write(asc)

    # print asc

inf.close()

outf.close()

这（正确）使用数字格式将智能引号和带重音符号等转换为它们的html实体格式。它将转换

<p>Dreams like: “Someday I’ll travel to…; someday I’ll write a book;

进入

<p>Dreams like: &#8220;Someday I&#8217;ll travel to&#8230;; someday I&#8217;ll write a book; 

这都是正确的。

但是，&#8230;;在更下游的代码中，看到了中间的代码，删除了双分号，然后抱怨它没有有效的实体。我无法更改此代码。

如您从我的代码中看到的那样，我发现了一种情况，其中一个实体后跟一个分号。我不想替换源代码中的所有分号。

如何检测代码点> 127的UTF-8字符后的半冒号，以便将其替换为&#59;？谢谢。

Answer 1

面对棕榈！如果我先转换为htmlentites，然后替换;;为即可;&#69;解决我的问题。自我注意-考虑您在哪里做事情以及该怎么做！