问题阐述
爬取网页时，正常情况下python3中能直接转化为utf-8，即所谓的汉字能够正常显示。所以即使网页中显示的是这种escape sequence，获取到之后能够显示正常，但是偶尔也不好使，不好使的情况下就会出现以下的charref状态： 明威把
解决方法
In [1]: from html.parser import HTMLParser
In [2]: HTMLParser().unescape("明威把")
Out[2]: '明威把'
原因解释
HtmlParser，顾名思义，是解析Html的一个工具。python自带的。
一、常用属性和方法介绍
HtmlParser是一个类，在使用时一般继承它然后重载它的方法，来达到解析出需要的数据的目的。
1.常用属性：
lasttag，保存上一个解析的标签名，是字符串。
2.常用方法：
handle_starttag(tag, attrs) ，处理开始标签，比如<div>；这里的attrs获取到的是属性列表，属性以元组的方式展示 handle_endtag(tag) ，处理结束标签,比如</div> handle_startendtag(tag, attrs) ，处理自己结束的标签，如<img /> handle_data(data) ，处理数据，标签之间的文本 handle_comment(data) ，处理注释，<!-- -->之间的文本
如果我们要编写一个搜索引擎，第一步是用爬虫把目标网站的页面抓下来，第二步就是解析该HTML页面，看看里面的内容到底是新闻、图片还是视频。
假设第一步已经完成了，第二步应该如何解析HTML呢？
HTML本质上是XML的子集，但是HTML的语法没有XML那么严格，所以不能用标准的DOM或SAX来解析HTML。
好在Python提供了HTMLParser来非常方便地解析HTML
