html unicode编码转换方法
对于"&# 24038;&# 36793;"这种&#开始的字符，应该为html unicode编码类型，解码方法如下：
s="&# 24038;& # 36793;"
s="左边"
import re
_=re.compile('&#(x)?([0-9a-fA-F]+);')
to_str=lambda s,charset='utf-8':_.sub(lambda result:unichr(int(result.group(2),result.group(1)=='x' and 16 or 10)).encode(charset) ,s)
print to_str(s)
相关文档：
<html>
<head>
<title>text-font</title>
</head>
<body>
************************<font size="7" color="red">标题章节</font>*************************<br>
正常文本
<h1>一级标题</h1>
<h2 align=righ ......
HTML的界面有以下特点：图文混排，格式灵活，可以包含Flash、声音和视频等，实现图文声像的多媒体界面，而且易于建立和维护。另外，HTML的显示环境一般机器上都具备，通常不需要安装额外的软件。当然，HTML界面也有它欠缺的方面，即：界面控制能力有限，代码调试不便----虽然DHTML提供了比较强的编程特性，但是比起Delphi的 ......
function unhtml($content){
$content=htmlspecialchars($content);
$content=str_replace(chr(13),"<br>",$content);
$content=str_replace(chr(32)," ",$content);
return trim($content);
}
......
双引号："或"
单引号：'或'（IE实体名无效）
&符号：&或&
<小于：<或<
>大于：>或>
空格： 或 
￡英磅：£或£
￥元：¥或¥
¦分隔符：¦或& ......
Dim objReg,objMatches,objMatch
Set objReg=new RegExp
objReg.Global=True
objReg.IgnoreCase=True
objReg.Pattern="<('[^']*'|""[^""]*""|[^'"">])*?>"
Set objMatches=objReg.Execute(字符串)
For Each objMatch In objMatches
找到的HTML ：objMatch.value
Next
Set objMatches=Nothing
Set objRe ......
