爬取猫眼票房数字编码问题，请教解码

Question

我在爬取猫眼票房的时候，网站对数字进行了编码
页面显示的数字：2047.87
JS文件显示的内容：.

JS文件将字符串进行了HTML实体编码，请教一下，如果才能翻译成正常的数字

Answer 1

以下内容由CHATGPT及阿里嘎多学长共同生成、有用望采纳：

---

根据你提供的信息，JS文件中的HTML实体编码采用了Unicode编码的形式，即&#xXXXX;，其中XXXX是十六进制的Unicode码点。要将这些编码转换为正常的数字，首先需要将这些十六进制的码点转换为十进制，然后根据转换结果进行相应的解码。

以下是解码的步骤：

1. 将每个&#xXXXX;中的XXXX转换为十进制数。
2. 将转换得到的十进制数转换为对应的字符。
3. 将得到的字符组合起来，形成原始的数字字符串。

具体到你的例子：

•  对应的十进制是 58124，转换为字符是 '2'。
•  对应的十进制是 63398，转换为字符是 '0'。
•  对应的十进制是 54006，转换为字符是 '4'。
•  对应的十进制是 60466，转换为字符是 '7'。
•  和上面的相同，也是 '7'。
•  再次出现，同样是 '2'。

组合起来就是 "2047.87"。

如果你需要在Python中实现这个解码过程，可以使用以下代码：

html_entities = ["", "", "", "", ".", "", ""]
decoded_number = ""

for entity in html_entities:
    if entity.startswith("&#x"):
        # 提取十六进制数并转换为十进制
        char_code = int(entity[3:-1], 16)
        # 将字符码转换为字符并添加到结果字符串
        decoded_number += chr(char_code)
    else:
        # 如果不是编码形式，直接添加
        decoded_number += entity

print(decoded_number)  # 输出: 2047.87

关于参考资料，你可以参考以下网页，它们提供了HTML实体编码和解码的工具和信息：

• [HTML编码解码 - 在线工具大全]^1^
• [HTML实体编码]^2^
• [Html编码解码 - 工具匠]^3^
• [在线Html实体编码解码-HTML Entity Encoding/Decoding]^4^
• [HTML 编码/解码—LZL在线工具]^5^
• [HTML实体编码/解码 | RAKKOTOOLS - ラッコツールズ]^6^
• [HTML Entity Encoding/Decoding· 开发者工具箱]^7^
• [HTML 实体编码 - 解码 - Simple Tools]^10^

这些工具和网页可以帮助你更好地理解HTML实体编码和解码的过程，并提供了在线工具来转换编码。