此文仅仅是记录了一个real project中出现的problem和我的unofficial solution，for reference only.
HTMLParser在使用中出现的一个Problem
在Python爬虫等项目中我们常常会遇到从HTML文件中提取信息的场景，比较通用的方案是使用HTMLParser模块将HTML的标签与内容分离，进而解析内容。
在我的实际使用中，HTMLParser解析过程中会舍弃Unicode转义字符的中文Unicode（&#xxxxx），为此我不得不在HTMLParser处理HTML内容前事先使用HTMLParser().unescape()来将内容中的Unicode转换为UTF-8(without DOM)，从而使中文能够被解析。
此尝试的方法又引发了一个更严重的BUG，在解析过程中，由于我对内容中的尖括号进行了提前转义，造成了标签混乱，影响了HTMLParser的解析，所以需要做一些改进。
Solution
在使用Unicode to UTF-8转义前应该逐行使用AngleBracketsDisplacement来替换'<'和 '>'
def AngleBracketsDisplacement(unsecure_str):
secure_str = unsecure_str.replace('<', 'LEFT_ANGELBRACEKET')
secure_str = secure_str.replace('>', 'RIGHT_ANGELBRACEKET')
return secure_str
在完成HTML标签解析后应该逐行使用AngleBracketsReduction来还原'<'和 '>'
def AngleBracketsReduction(secure_str):
unsecure_str = secure_str.replace('LEFT_ANGELBRACEKET', '<')
unsecure_str = unsecure_str.replace('RIGHT_ANGELBRACEKET', '>')
return unsecure_str