html实体（如
requests返回的HTML里有
这是因为HTML实体（如 、<code>"、&）不是原始文本，而是编码后的表示；直接当普通字符串处理，要么漏掉、要么多转一次，导致内容错乱。比如 < 实际是 的双重编码，硬解会变成 <code> 再变空或报错。
正确做法是交给专门的HTML解析器统一解码，别自己手写 .replace() 链：
使用HTML,CSS,JavaScript开发Android应用程序 英文文字pdf版附源文件
下载
如果你了解HTML，CSS和JavaScript，您已经拥有所需的工具开发Android应用程序。本动手本书展示了如何使用这些开源web标准设计和建造，可适应任何Android设备的应用程序 - 无需使用Java。您将学习如何创建一个在您选择的平台的Android友好的网络应用程序，然后转换与自由PhoneGap框架到一个原生的Android应用程序。了解为什么设备无关的移动应用是未来的潮流，并开始构建应用程序，提供更
- 用
html.unescape()最轻量，适合纯文本提取后清理（如从BeautifulSoup.get_text()结果里再清理） - 用
BeautifulSoup自动解码——只要用标准解析器（html.parser或lxml），它内部已调用解码逻辑，标签内文本默认就是可读状态 - 避免对原始响应体（
response.text）先html.unescape()再喂给BeautifulSoup，这会导致重复解码，<变成后被误认为标签起始
BeautifulSoup解析后，text属性里还是出现 、—这类符号
这是常见误解：BeautifulSoup 确实会解码标准实体（、<code>&），但像 、— 这些属于HTML 4/5规范里的“命名字符引用”，部分老版本解析器（尤其 html.parser）默认不全支持，或者在特定上下文里保留原样。
稳妥解法是在获取文本后统一过一遍 html.unescape()：
from bs4 import BeautifulSoup
import html
<p>soup = BeautifulSoup(response.text, 'html.parser')
raw<em>text = soup.find('div', class</em>='content').get_text()
clean_text = html.unescape(raw_text) # 这步不能省</p>
-
lxml解析器对命名实体支持更好，但仍有边缘情况（比如自定义DTD或非标准实体），所以html.unescape()仍是兜底动作 - 别依赖
soup.decode()或str(soup)，它们输出的是HTML源码字符串，不是解码后的文本 - 如果页面声明了
<meta charset="gb2312">浣
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
