解码 HTML 中的 unicode entity

中午 zzh 发来一个问题，如何对抓下来的网页中的 unicode 字符串，诸如北京市一二八中学
进行解码？

首先想到的是最熟的 libxml2/HTMLParser。简单试了试 xmllint，无解；又大致看了看源代码，貌似没有专门处理的部分。

再转到 Python 的 BeautifulSoup。看了看文档，也貌似无解。

最后只好 google 之，发现 php 的 html_entity_decode 是一个现成的函数。赶快推荐给 zzh，发现他已经自己动手写了一个解析函数了，汗....

最后要说的是，在 google 过程中，发现 Perl 似乎也有现成模块来做这个工作，不过偶不会 Perl，没有尝试。另外就是发现一个叫李卫公的 blogger 在 Python 上也写了一个简单的程序来解码，看起来是一个正则表达式牛人，推荐一下。