シンプルなpython regexpを使って、サッカー（サッカー）のWebページから情報を削りたいです。問題は、最初のチャップ、「RITALO」などのプレイヤーは&＃196と出てくることです。 &＃196; RITALO！
つまり、htmlは特殊文字にエスケープされたマークアップを使用します（&＃196など）。ウェブページから国際文字を取得していますか？
htmlを正しいpython文字列に読み込む簡単な方法はありますか？もしそれがXML/XHTMLなら、それは簡単だろう、パーサーはそれをやるだろう。
HTMLスクレイピング用にBeautifulSoupをお勧めします。残念ながら、あなたが"some_string".decode('html_entities')を行うことができることなど、標準codecsモジュールは、このためのコーデックが含まれている場合（それはいいだろう
>>> from BeautifulSoup import BeautifulSoup
>>> html = "<html>ÄÄRITALO!</html>"
>>> soup = BeautifulSoup(html, convertEntities=BeautifulSoup.HTML_ENTITIES)
>>> print soup.contents[0].string
ÄÄRITALO!
しかし：あなたもそうのように、対応するUnicode文字にHTMLエンティティを変換することを指示する必要がありますそれは）
EDITしません：！ 別の解決策：他のものの間 Pythonの開発者のFredrik Lundhに（のElementTreeの著者は、）、小数点、六角と名前付きエンティティで動作する彼のウェブサイト、上のa function to unsecape HTML entities（BeautifulSoup意志を持っていますヘックスでは動作しません）。
私はそれを自分で試していませんが、あなたは
http://zesty.ca/python/scrape.htmlを試してみましたか？
htmldecode（text）というメソッドがあると思われます。
BeautifulSoupをお試しください。それはトリックを行い、うまく動作するようにうまくフォーマットされたDOMを提供する必要があります。
This blogエントリはそれでいくらか成功したようです。