¿Cómo puedes usar import html en Python?

En Python en ocasiones es necesario manejar código HTML. Cuando requiero hacer esto, utilizo el módulo html en python, una herramienta integrada que nos permite codificar y decodificar contenido HTML de forma más simple. En el día de hoy te quiero mostrar cómo funciona el import html en python y por qué deberías usarlo.

¿Qué es el módulo import html en Python?

El módulo import html en Python es un módulo estándar que nos brinda herramientas para manipular código HTML. Se diferencia de otros módulos porque estos requieren instalación previa, mientras que import html en python ya viene integrado en cualquiera de sus versiones recientes a partir de la versión 3.4. La principal función de import html en python es ayudarte a escapar y desescapar caracteres especiales en HTML, una información que nos sirve para evitar errores en páginas web o para analizar contenido HTML en Python.

Su uso se resume en su importación por medio de:

import html

Con esto, tendrás acceso a sus funciones principales.

¿Cuándo deberías usar el módulo import html en Python?

El módulo import html en Python es bueno para usar en ocasiones como:

• Sanitizar entradas de usuario en aplicaciones web, evitando la inyección de código HTML malicioso.
• Decodificar contenido HTML obtenido de bases de datos o APIs.
• Convertir código HTML en texto plano legible.
• Crear herramientas de análisis de contenido HTML.

Su simplicidad lo hace una opción excelente cuando necesitas realizar transformaciones rápidas sin depender de librerías más pesadas como BeautifulSoup.

¿Qué puedes hacer con import html en Python?

Algunas de las funcionalidades que componen el módulo de import html en Python son:

¿Cómo codificar HTML con html.escape?

En el proceso de trabajo con HTML existe un problema recurrente y es la necesidad de convertir caracteres especiales, como lo son <, >, & o «, en sus representaciones seguras. El html.escape dentro de Python juega un papel primordial aquí. Su sintaxis es la siguiente:

html.escape(texto, quote=True)

El parámetro texto es la cadena de texto que deseas codificar. El parámetro quote, si es True, también convierte las comillas dobles y simples.

Un ejemplo de su uso en el contexto de import html en python sería:

import html

codigo_html = '<h2>Hola, esto es HTML</h2>'
codigo_codificado = html.escape(codigo_html)

print(codigo_codificado)

El resultado quedaría así:

<h2>Hola, esto es HTML</h2>

Como puedes ver, html.escape convierte los caracteres < y > en < y >, evitando así posibles problemas en una página web.

Si deseas evitar que se escapen las comillas, puedes configurar el parámetro quote en False:

codigo_codificado = html.escape(codigo_html, quote=False)
print(codigo_codificado)

¿Cómo decodificar HTML con html.unescape?

Si en algún momento tienes una cadena de texto en la que los caracteres especiales han sido reemplazados por sus códigos HTML y necesitas revertir la conversión, html.unescape es la solución. Veamos su sintaxis:

html.unescape(texto)

Y un ejemplo de su uso dentro de import html en python:

import html

codigo_codificado = '<h2>Hola, esto es HTML</h2>'
codigo_original = html.unescape(codigo_codificado)

print(codigo_original)

El resultado sería:

<h2>Hola, esto es HTML</h2>

html.unescape transforma las entidades HTML de nuevo en su representación original, lo cual es útil si estás analizando código HTML dentro de Python.

¿Cómo usar el analizador HTML en Python?

No solo están escape y unescape, el módulo import html en Python cuenta con el submódulo html.parser, que permite analizar y manipular código HTML de forma un poco más específica y avanzada. Un ejemplo de ello sería:

from html.parser import HTMLParser

class MiParser(HTMLParser):
    def handle_starttag(self, tag, attrs):
        print(f"Etiqueta de apertura encontrada: {tag}")

    def handle_endtag(self, tag):
        print(f"Etiqueta de cierre encontrada: {tag}")

    def handle_data(self, data):
        print(f"Contenido: {data}")

parser = MiParser()
parser.feed('<h2>Hola, mundo</h2>')

Salida esperada:

Etiqueta de apertura encontrada: h2
Contenido: Hola, mundo
Etiqueta de cierre encontrada: h2

Este parser es útil cuando necesitas extraer información específica de una página web.

Errores que te puedes encontrar en el uso de import html en Python

Si estás usando una versión antigua de Python y al intentar importar html obtienes un error del tipo:

ImportError: No module named 'html'

Lo más probable es que necesites actualizar tu versión de Python. Sin embargo, en versiones muy antiguas, puedes instalar un módulo externo con:

pip install html

Y luego importarlo de la siguiente manera:

from html import HTML

En versiones modernas de Python, este paso no es necesario.

Si ya dominas la importación de HTML en Python, puedes integrarlo en tus proyectos para mejorar el manejo del código HTML. Pero esto es solo el principio. Si buscas evolucionar tus habilidades de programación y adentrarte en una de las industrias más demandadas, el Bootcamp de programación desde cero de KeepCoding puede ser tu mejor opción. En solo unos meses, te convertirás en un profesional altamente capacitado, con acceso a oportunidades laborales bien remuneradas y una estabilidad que pocos sectores ofrecen. No dejes pasar la oportunidad de construir un futuro lleno de posibilidades.