URLの文字列を印刷するときにBS HTMLの解析 - &は無視されます

Question

次の例を考えてみましょう。

htmlist = ['<div class="portal" role="navigation" id="p-coll-print_export">',\ 
      '<h3>Print/export</h3>',\ 
      '<div class="body">',\ 
      '<ul>',\ 
      '<li id="coll-create_a_book"><a href="/w/index.php?title=Special:Book&amp;bookcmd=book_creator&amp;referer=Main+Page">Create a book</a></li>',\ 
      '<li id="coll-download-as-rl"><a href="/w/index.php?title=Special:Book&amp;bookcmd=render_article&amp;arttitle=Main+Page&amp;oldid=560327612&amp;writer=rl">Download as PDF</a></li>',\ 
      '<li id="t-print"><a href="/w/index.php?title=Main_Page&amp;printable=yes" title="Printable version of this page [p]" accesskey="p">Printable version</a></li>',\ 
      '</ul>',\ 
      '</div>',\ 
      '</div>',\ 
      ] 

soup = __import__("bs4").BeautifulSoup("".join(htmlist), "html.parser") 

for x in soup("a"): 
    print(x) 
    print(x.attrs) 
    print(soup.a.get_text()) 

私が終わる、（これらのそれぞれの名前（キーなど）とキーの値としてのコンテンツ（））xの属性の辞書に続いxに等しいaタグを、印刷するには、この短いスクリプトを期待していましたそのリンクのテキストが表示されます。

代わりに、出力は、私は、この出力を見つけ

<a href="/w/index.php?title=Special:Book&amp;bookcmd=book_creator&amp;referer=Main+Page">Create a book</a> 
{'href': '/w/index.php?title=Special:Book&bookcmd=book_creator&referer=Main+Page'} 
Create a book 
<a href="/w/index.php?title=Special:Book&amp;bookcmd=render_article&amp;arttitle=Main+Page&amp;oldid=560327612&amp;writer=rl">Download as PDF</a> 
{'href': '/w/index.php?title=Special:Book&bookcmd=render_article&arttitle=Main+Page&oldid=560327612&writer=rl'} 
Create a book 
<a accesskey="p" href="/w/index.php?title=Main_Page&amp;printable=yes" title="Printable version of this page [p]">Printable version</a> 
{'href': '/w/index.php?title=Main_Page&printable=yes', 'title': 'Printable version of this page [p]', 'accesskey': ['p']} 
Create a book 

問題があるさ：

• print(soup.a.get_text())ビットは常に最初のタグのテキストを出力します。 print(x.attrs)による辞書の出力で
• 、キー"href"の値は、私がここで行方不明です何&amp.

が不足しているとどのように私は、所望の出力を得るのですか？

Answer 1

cgi.escapeまたはhtml.escapeの方法を使用して、&文字をhtmlエンコードすることができます。

import html 

for x in soup("a"): 
    print(x) 
    print({k:html.escape(v, False) if k == 'href' else v for k,v in x.attrs.items()}) 
    print(x.get_text())