недопустимый многобайтовый символ (US-ASCII) с направляющими и Ruby 1.9

Python имеет модуль htmlentitydefs , но это не включает функцию, чтобы не выйти из объектов HTML.

у разработчика Python Fredrik Lundh (автор elementtree, среди прочего) есть такая функция на его веб-сайте , который работает с десятичным числом, шестнадцатеричными и именованными сущностями:

import re, htmlentitydefs

##
# Removes HTML or XML character references and entities from a text string.
#
# @param text The HTML (or XML) source text.
# @return The plain text, as a Unicode string, if necessary.

def unescape(text):
    def fixup(m):
        text = m.group(0)
        if text[:2] == "&#":
            # character reference
            try:
                if text[:3] == "&#x":
                    return unichr(int(text[3:-1], 16))
                else:
                    return unichr(int(text[2:-1]))
            except ValueError:
                pass
        else:
            # named entity
            try:
                text = unichr(htmlentitydefs.name2codepoint[text[1:-1]])
            except KeyError:
                pass
        return text # leave as is
    return re.sub("&#?\w+;", fixup, text)