diff options
Diffstat (limited to 'bs4/dammit.py')
| -rw-r--r-- | bs4/dammit.py | 2387 |
1 files changed, 2361 insertions, 26 deletions
diff --git a/bs4/dammit.py b/bs4/dammit.py index 7e0a7f8..a0d1c21 100644 --- a/bs4/dammit.py +++ b/bs4/dammit.py @@ -9,8 +9,9 @@ XML or HTML to reflect a new encoding; that's the tree builder's job. # Use of this source code is governed by the MIT license. __license__ = "MIT" -import codecs from htmlentitydefs import codepoint2name +from collections import defaultdict +import codecs import re import logging import string @@ -65,34 +66,2368 @@ encoding_res[unicode] = { 'xml' : re.compile(xml_encoding, re.I) } +try: + from html.entities import html5 +except ImportError: + # This is a copy of html.entities.html5 from Python 3.9. There's + # no equivalent table in Python 2, so we'll just provide a copy + # here. + html5 = { + 'Aacute': u'\xc1', + 'aacute': u'\xe1', + 'Aacute;': u'\xc1', + 'aacute;': u'\xe1', + 'Abreve;': u'\u0102', + 'abreve;': u'\u0103', + 'ac;': u'\u223e', + 'acd;': u'\u223f', + 'acE;': u'\u223e\u0333', + 'Acirc': u'\xc2', + 'acirc': u'\xe2', + 'Acirc;': u'\xc2', + 'acirc;': u'\xe2', + 'acute': u'\xb4', + 'acute;': u'\xb4', + 'Acy;': u'\u0410', + 'acy;': u'\u0430', + 'AElig': u'\xc6', + 'aelig': u'\xe6', + 'AElig;': u'\xc6', + 'aelig;': u'\xe6', + 'af;': u'\u2061', + 'Afr;': u'\U0001d504', + 'afr;': u'\U0001d51e', + 'Agrave': u'\xc0', + 'agrave': u'\xe0', + 'Agrave;': u'\xc0', + 'agrave;': u'\xe0', + 'alefsym;': u'\u2135', + 'aleph;': u'\u2135', + 'Alpha;': u'\u0391', + 'alpha;': u'\u03b1', + 'Amacr;': u'\u0100', + 'amacr;': u'\u0101', + 'amalg;': u'\u2a3f', + 'AMP': u'&', + 'amp': u'&', + 'AMP;': u'&', + 'amp;': u'&', + 'And;': u'\u2a53', + 'and;': u'\u2227', + 'andand;': u'\u2a55', + 'andd;': u'\u2a5c', + 'andslope;': u'\u2a58', + 'andv;': u'\u2a5a', + 'ang;': u'\u2220', + 'ange;': u'\u29a4', + 'angle;': u'\u2220', + 'angmsd;': u'\u2221', + 'angmsdaa;': u'\u29a8', + 'angmsdab;': u'\u29a9', + 'angmsdac;': u'\u29aa', + 'angmsdad;': u'\u29ab', + 'angmsdae;': u'\u29ac', + 'angmsdaf;': u'\u29ad', + 'angmsdag;': u'\u29ae', + 'angmsdah;': u'\u29af', + 'angrt;': u'\u221f', + 'angrtvb;': u'\u22be', + 'angrtvbd;': u'\u299d', + 'angsph;': u'\u2222', + 'angst;': u'\xc5', + 'angzarr;': u'\u237c', + 'Aogon;': u'\u0104', + 'aogon;': u'\u0105', + 'Aopf;': u'\U0001d538', + 'aopf;': u'\U0001d552', + 'ap;': u'\u2248', + 'apacir;': u'\u2a6f', + 'apE;': u'\u2a70', + 'ape;': u'\u224a', + 'apid;': u'\u224b', + 'apos;': "'", + 'ApplyFunction;': u'\u2061', + 'approx;': u'\u2248', + 'approxeq;': u'\u224a', + 'Aring': u'\xc5', + 'aring': u'\xe5', + 'Aring;': u'\xc5', + 'aring;': u'\xe5', + 'Ascr;': u'\U0001d49c', + 'ascr;': u'\U0001d4b6', + 'Assign;': u'\u2254', + 'ast;': u'*', + 'asymp;': u'\u2248', + 'asympeq;': u'\u224d', + 'Atilde': u'\xc3', + 'atilde': u'\xe3', + 'Atilde;': u'\xc3', + 'atilde;': u'\xe3', + 'Auml': u'\xc4', + 'auml': u'\xe4', + 'Auml;': u'\xc4', + 'auml;': u'\xe4', + 'awconint;': u'\u2233', + 'awint;': u'\u2a11', + 'backcong;': u'\u224c', + 'backepsilon;': u'\u03f6', + 'backprime;': u'\u2035', + 'backsim;': u'\u223d', + 'backsimeq;': u'\u22cd', + 'Backslash;': u'\u2216', + 'Barv;': u'\u2ae7', + 'barvee;': u'\u22bd', + 'Barwed;': u'\u2306', + 'barwed;': u'\u2305', + 'barwedge;': u'\u2305', + 'bbrk;': u'\u23b5', + 'bbrktbrk;': u'\u23b6', + 'bcong;': u'\u224c', + 'Bcy;': u'\u0411', + 'bcy;': u'\u0431', + 'bdquo;': u'\u201e', + 'becaus;': u'\u2235', + 'Because;': u'\u2235', + 'because;': u'\u2235', + 'bemptyv;': u'\u29b0', + 'bepsi;': u'\u03f6', + 'bernou;': u'\u212c', + 'Bernoullis;': u'\u212c', + 'Beta;': u'\u0392', + 'beta;': u'\u03b2', + 'beth;': u'\u2136', + 'between;': u'\u226c', + 'Bfr;': u'\U0001d505', + 'bfr;': u'\U0001d51f', + 'bigcap;': u'\u22c2', + 'bigcirc;': u'\u25ef', + 'bigcup;': u'\u22c3', + 'bigodot;': u'\u2a00', + 'bigoplus;': u'\u2a01', + 'bigotimes;': u'\u2a02', + 'bigsqcup;': u'\u2a06', + 'bigstar;': u'\u2605', + 'bigtriangledown;': u'\u25bd', + 'bigtriangleup;': u'\u25b3', + 'biguplus;': u'\u2a04', + 'bigvee;': u'\u22c1', + 'bigwedge;': u'\u22c0', + 'bkarow;': u'\u290d', + 'blacklozenge;': u'\u29eb', + 'blacksquare;': u'\u25aa', + 'blacktriangle;': u'\u25b4', + 'blacktriangledown;': u'\u25be', + 'blacktriangleleft;': u'\u25c2', + 'blacktriangleright;': u'\u25b8', + 'blank;': u'\u2423', + 'blk12;': u'\u2592', + 'blk14;': u'\u2591', + 'blk34;': u'\u2593', + 'block;': u'\u2588', + 'bne;': u'=\u20e5', + 'bnequiv;': u'\u2261\u20e5', + 'bNot;': u'\u2aed', + 'bnot;': u'\u2310', + 'Bopf;': u'\U0001d539', + 'bopf;': u'\U0001d553', + 'bot;': u'\u22a5', + 'bottom;': u'\u22a5', + 'bowtie;': u'\u22c8', + 'boxbox;': u'\u29c9', + 'boxDL;': u'\u2557', + 'boxDl;': u'\u2556', + 'boxdL;': u'\u2555', + 'boxdl;': u'\u2510', + 'boxDR;': u'\u2554', + 'boxDr;': u'\u2553', + 'boxdR;': u'\u2552', + 'boxdr;': u'\u250c', + 'boxH;': u'\u2550', + 'boxh;': u'\u2500', + 'boxHD;': u'\u2566', + 'boxHd;': u'\u2564', + 'boxhD;': u'\u2565', + 'boxhd;': u'\u252c', + 'boxHU;': u'\u2569', + 'boxHu;': u'\u2567', + 'boxhU;': u'\u2568', + 'boxhu;': u'\u2534', + 'boxminus;': u'\u229f', + 'boxplus;': u'\u229e', + 'boxtimes;': u'\u22a0', + 'boxUL;': u'\u255d', + 'boxUl;': u'\u255c', + 'boxuL;': u'\u255b', + 'boxul;': u'\u2518', + 'boxUR;': u'\u255a', + 'boxUr;': u'\u2559', + 'boxuR;': u'\u2558', + 'boxur;': u'\u2514', + 'boxV;': u'\u2551', + 'boxv;': u'\u2502', + 'boxVH;': u'\u256c', + 'boxVh;': u'\u256b', + 'boxvH;': u'\u256a', + 'boxvh;': u'\u253c', + 'boxVL;': u'\u2563', + 'boxVl;': u'\u2562', + 'boxvL;': u'\u2561', + 'boxvl;': u'\u2524', + 'boxVR;': u'\u2560', + 'boxVr;': u'\u255f', + 'boxvR;': u'\u255e', + 'boxvr;': u'\u251c', + 'bprime;': u'\u2035', + 'Breve;': u'\u02d8', + 'breve;': u'\u02d8', + 'brvbar': u'\xa6', + 'brvbar;': u'\xa6', + 'Bscr;': u'\u212c', + 'bscr;': u'\U0001d4b7', + 'bsemi;': u'\u204f', + 'bsim;': u'\u223d', + 'bsime;': u'\u22cd', + 'bsol;': u'\\', + 'bsolb;': u'\u29c5', + 'bsolhsub;': u'\u27c8', + 'bull;': u'\u2022', + 'bullet;': u'\u2022', + 'bump;': u'\u224e', + 'bumpE;': u'\u2aae', + 'bumpe;': u'\u224f', + 'Bumpeq;': u'\u224e', + 'bumpeq;': u'\u224f', + 'Cacute;': u'\u0106', + 'cacute;': u'\u0107', + 'Cap;': u'\u22d2', + 'cap;': u'\u2229', + 'capand;': u'\u2a44', + 'capbrcup;': u'\u2a49', + 'capcap;': u'\u2a4b', + 'capcup;': u'\u2a47', + 'capdot;': u'\u2a40', + 'CapitalDifferentialD;': u'\u2145', + 'caps;': u'\u2229\ufe00', + 'caret;': u'\u2041', + 'caron;': u'\u02c7', + 'Cayleys;': u'\u212d', + 'ccaps;': u'\u2a4d', + 'Ccaron;': u'\u010c', + 'ccaron;': u'\u010d', + 'Ccedil': u'\xc7', + 'ccedil': u'\xe7', + 'Ccedil;': u'\xc7', + 'ccedil;': u'\xe7', + 'Ccirc;': u'\u0108', + 'ccirc;': u'\u0109', + 'Cconint;': u'\u2230', + 'ccups;': u'\u2a4c', + 'ccupssm;': u'\u2a50', + 'Cdot;': u'\u010a', + 'cdot;': u'\u010b', + 'cedil': u'\xb8', + 'cedil;': u'\xb8', + 'Cedilla;': u'\xb8', + 'cemptyv;': u'\u29b2', + 'cent': u'\xa2', + 'cent;': u'\xa2', + 'CenterDot;': u'\xb7', + 'centerdot;': u'\xb7', + 'Cfr;': u'\u212d', + 'cfr;': u'\U0001d520', + 'CHcy;': u'\u0427', + 'chcy;': u'\u0447', + 'check;': u'\u2713', + 'checkmark;': u'\u2713', + 'Chi;': u'\u03a7', + 'chi;': u'\u03c7', + 'cir;': u'\u25cb', + 'circ;': u'\u02c6', + 'circeq;': u'\u2257', + 'circlearrowleft;': u'\u21ba', + 'circlearrowright;': u'\u21bb', + 'circledast;': u'\u229b', + 'circledcirc;': u'\u229a', + 'circleddash;': u'\u229d', + 'CircleDot;': u'\u2299', + 'circledR;': u'\xae', + 'circledS;': u'\u24c8', + 'CircleMinus;': u'\u2296', + 'CirclePlus;': u'\u2295', + 'CircleTimes;': u'\u2297', + 'cirE;': u'\u29c3', + 'cire;': u'\u2257', + 'cirfnint;': u'\u2a10', + 'cirmid;': u'\u2aef', + 'cirscir;': u'\u29c2', + 'ClockwiseContourIntegral;': u'\u2232', + 'CloseCurlyDoubleQuote;': u'\u201d', + 'CloseCurlyQuote;': u'\u2019', + 'clubs;': u'\u2663', + 'clubsuit;': u'\u2663', + 'Colon;': u'\u2237', + 'colon;': u':', + 'Colone;': u'\u2a74', + 'colone;': u'\u2254', + 'coloneq;': u'\u2254', + 'comma;': u',', + 'commat;': u'@', + 'comp;': u'\u2201', + 'compfn;': u'\u2218', + 'complement;': u'\u2201', + 'complexes;': u'\u2102', + 'cong;': u'\u2245', + 'congdot;': u'\u2a6d', + 'Congruent;': u'\u2261', + 'Conint;': u'\u222f', + 'conint;': u'\u222e', + 'ContourIntegral;': u'\u222e', + 'Copf;': u'\u2102', + 'copf;': u'\U0001d554', + 'coprod;': u'\u2210', + 'Coproduct;': u'\u2210', + 'COPY': u'\xa9', + 'copy': u'\xa9', + 'COPY;': u'\xa9', + 'copy;': u'\xa9', + 'copysr;': u'\u2117', + 'CounterClockwiseContourIntegral;': u'\u2233', + 'crarr;': u'\u21b5', + 'Cross;': u'\u2a2f', + 'cross;': u'\u2717', + 'Cscr;': u'\U0001d49e', + 'cscr;': u'\U0001d4b8', + 'csub;': u'\u2acf', + 'csube;': u'\u2ad1', + 'csup;': u'\u2ad0', + 'csupe;': u'\u2ad2', + 'ctdot;': u'\u22ef', + 'cudarrl;': u'\u2938', + 'cudarrr;': u'\u2935', + 'cuepr;': u'\u22de', + 'cuesc;': u'\u22df', + 'cularr;': u'\u21b6', + 'cularrp;': u'\u293d', + 'Cup;': u'\u22d3', + 'cup;': u'\u222a', + 'cupbrcap;': u'\u2a48', + 'CupCap;': u'\u224d', + 'cupcap;': u'\u2a46', + 'cupcup;': u'\u2a4a', + 'cupdot;': u'\u228d', + 'cupor;': u'\u2a45', + 'cups;': u'\u222a\ufe00', + 'curarr;': u'\u21b7', + 'curarrm;': u'\u293c', + 'curlyeqprec;': u'\u22de', + 'curlyeqsucc;': u'\u22df', + 'curlyvee;': u'\u22ce', + 'curlywedge;': u'\u22cf', + 'curren': u'\xa4', + 'curren;': u'\xa4', + 'curvearrowleft;': u'\u21b6', + 'curvearrowright;': u'\u21b7', + 'cuvee;': u'\u22ce', + 'cuwed;': u'\u22cf', + 'cwconint;': u'\u2232', + 'cwint;': u'\u2231', + 'cylcty;': u'\u232d', + 'Dagger;': u'\u2021', + 'dagger;': u'\u2020', + 'daleth;': u'\u2138', + 'Darr;': u'\u21a1', + 'dArr;': u'\u21d3', + 'darr;': u'\u2193', + 'dash;': u'\u2010', + 'Dashv;': u'\u2ae4', + 'dashv;': u'\u22a3', + 'dbkarow;': u'\u290f', + 'dblac;': u'\u02dd', + 'Dcaron;': u'\u010e', + 'dcaron;': u'\u010f', + 'Dcy;': u'\u0414', + 'dcy;': u'\u0434', + 'DD;': u'\u2145', + 'dd;': u'\u2146', + 'ddagger;': u'\u2021', + 'ddarr;': u'\u21ca', + 'DDotrahd;': u'\u2911', + 'ddotseq;': u'\u2a77', + 'deg': u'\xb0', + 'deg;': u'\xb0', + 'Del;': u'\u2207', + 'Delta;': u'\u0394', + 'delta;': u'\u03b4', + 'demptyv;': u'\u29b1', + 'dfisht;': u'\u297f', + 'Dfr;': u'\U0001d507', + 'dfr;': u'\U0001d521', + 'dHar;': u'\u2965', + 'dharl;': u'\u21c3', + 'dharr;': u'\u21c2', + 'DiacriticalAcute;': u'\xb4', + 'DiacriticalDot;': u'\u02d9', + 'DiacriticalDoubleAcute;': u'\u02dd', + 'DiacriticalGrave;': u'`', + 'DiacriticalTilde;': u'\u02dc', + 'diam;': u'\u22c4', + 'Diamond;': u'\u22c4', + 'diamond;': u'\u22c4', + 'diamondsuit;': u'\u2666', + 'diams;': u'\u2666', + 'die;': u'\xa8', + 'DifferentialD;': u'\u2146', + 'digamma;': u'\u03dd', + 'disin;': u'\u22f2', + 'div;': u'\xf7', + 'divide': u'\xf7', + 'divide;': u'\xf7', + 'divideontimes;': u'\u22c7', + 'divonx;': u'\u22c7', + 'DJcy;': u'\u0402', + 'djcy;': u'\u0452', + 'dlcorn;': u'\u231e', + 'dlcrop;': u'\u230d', + 'dollar;': u'$', + 'Dopf;': u'\U0001d53b', + 'dopf;': u'\U0001d555', + 'Dot;': u'\xa8', + 'dot;': u'\u02d9', + 'DotDot;': u'\u20dc', + 'doteq;': u'\u2250', + 'doteqdot;': u'\u2251', + 'DotEqual;': u'\u2250', + 'dotminus;': u'\u2238', + 'dotplus;': u'\u2214', + 'dotsquare;': u'\u22a1', + 'doublebarwedge;': u'\u2306', + 'DoubleContourIntegral;': u'\u222f', + 'DoubleDot;': u'\xa8', + 'DoubleDownArrow;': u'\u21d3', + 'DoubleLeftArrow;': u'\u21d0', + 'DoubleLeftRightArrow;': u'\u21d4', + 'DoubleLeftTee;': u'\u2ae4', + 'DoubleLongLeftArrow;': u'\u27f8', + 'DoubleLongLeftRightArrow;': u'\u27fa', + 'DoubleLongRightArrow;': u'\u27f9', + 'DoubleRightArrow;': u'\u21d2', + 'DoubleRightTee;': u'\u22a8', + 'DoubleUpArrow;': u'\u21d1', + 'DoubleUpDownArrow;': u'\u21d5', + 'DoubleVerticalBar;': u'\u2225', + 'DownArrow;': u'\u2193', + 'Downarrow;': u'\u21d3', + 'downarrow;': u'\u2193', + 'DownArrowBar;': u'\u2913', + 'DownArrowUpArrow;': u'\u21f5', + 'DownBreve;': u'\u0311', + 'downdownarrows;': u'\u21ca', + 'downharpoonleft;': u'\u21c3', + 'downharpoonright;': u'\u21c2', + 'DownLeftRightVector;': u'\u2950', + 'DownLeftTeeVector;': u'\u295e', + 'DownLeftVector;': u'\u21bd', + 'DownLeftVectorBar;': u'\u2956', + 'DownRightTeeVector;': u'\u295f', + 'DownRightVector;': u'\u21c1', + 'DownRightVectorBar;': u'\u2957', + 'DownTee;': u'\u22a4', + 'DownTeeArrow;': u'\u21a7', + 'drbkarow;': u'\u2910', + 'drcorn;': u'\u231f', + 'drcrop;': u'\u230c', + 'Dscr;': u'\U0001d49f', + 'dscr;': u'\U0001d4b9', + 'DScy;': u'\u0405', + 'dscy;': u'\u0455', + 'dsol;': u'\u29f6', + 'Dstrok;': u'\u0110', + 'dstrok;': u'\u0111', + 'dtdot;': u'\u22f1', + 'dtri;': u'\u25bf', + 'dtrif;': u'\u25be', + 'duarr;': u'\u21f5', + 'duhar;': u'\u296f', + 'dwangle;': u'\u29a6', + 'DZcy;': u'\u040f', + 'dzcy;': u'\u045f', + 'dzigrarr;': u'\u27ff', + 'Eacute': u'\xc9', + 'eacute': u'\xe9', + 'Eacute;': u'\xc9', + 'eacute;': u'\xe9', + 'easter;': u'\u2a6e', + 'Ecaron;': u'\u011a', + 'ecaron;': u'\u011b', + 'ecir;': u'\u2256', + 'Ecirc': u'\xca', + 'ecirc': u'\xea', + 'Ecirc;': u'\xca', + 'ecirc;': u'\xea', + 'ecolon;': u'\u2255', + 'Ecy;': u'\u042d', + 'ecy;': u'\u044d', + 'eDDot;': u'\u2a77', + 'Edot;': u'\u0116', + 'eDot;': u'\u2251', + 'edot;': u'\u0117', + 'ee;': u'\u2147', + 'efDot;': u'\u2252', + 'Efr;': u'\U0001d508', + 'efr;': u'\U0001d522', + 'eg;': u'\u2a9a', + 'Egrave': u'\xc8', + 'egrave': u'\xe8', + 'Egrave;': u'\xc8', + 'egrave;': u'\xe8', + 'egs;': u'\u2a96', + 'egsdot;': u'\u2a98', + 'el;': u'\u2a99', + 'Element;': u'\u2208', + 'elinters;': u'\u23e7', + 'ell;': u'\u2113', + 'els;': u'\u2a95', + 'elsdot;': u'\u2a97', + 'Emacr;': u'\u0112', + 'emacr;': u'\u0113', + 'empty;': u'\u2205', + 'emptyset;': u'\u2205', + 'EmptySmallSquare;': u'\u25fb', + 'emptyv;': u'\u2205', + 'EmptyVerySmallSquare;': u'\u25ab', + 'emsp13;': u'\u2004', + 'emsp14;': u'\u2005', + 'emsp;': u'\u2003', + 'ENG;': u'\u014a', + 'eng;': u'\u014b', + 'ensp;': u'\u2002', + 'Eogon;': u'\u0118', + 'eogon;': u'\u0119', + 'Eopf;': u'\U0001d53c', + 'eopf;': u'\U0001d556', + 'epar;': u'\u22d5', + 'eparsl;': u'\u29e3', + 'eplus;': u'\u2a71', + 'epsi;': u'\u03b5', + 'Epsilon;': u'\u0395', + 'epsilon;': u'\u03b5', + 'epsiv;': u'\u03f5', + 'eqcirc;': u'\u2256', + 'eqcolon;': u'\u2255', + 'eqsim;': u'\u2242', + 'eqslantgtr;': u'\u2a96', + 'eqslantless;': u'\u2a95', + 'Equal;': u'\u2a75', + 'equals;': u'=', + 'EqualTilde;': u'\u2242', + 'equest;': u'\u225f', + 'Equilibrium;': u'\u21cc', + 'equiv;': u'\u2261', + 'equivDD;': u'\u2a78', + 'eqvparsl;': u'\u29e5', + 'erarr;': u'\u2971', + 'erDot;': u'\u2253', + 'Escr;': u'\u2130', + 'escr;': u'\u212f', + 'esdot;': u'\u2250', + 'Esim;': u'\u2a73', + 'esim;': u'\u2242', + 'Eta;': u'\u0397', + 'eta;': u'\u03b7', + 'ETH': u'\xd0', + 'eth': u'\xf0', + 'ETH;': u'\xd0', + 'eth;': u'\xf0', + 'Euml': u'\xcb', + 'euml': u'\xeb', + 'Euml;': u'\xcb', + 'euml;': u'\xeb', + 'euro;': u'\u20ac', + 'excl;': u'!', + 'exist;': u'\u2203', + 'Exists;': u'\u2203', + 'expectation;': u'\u2130', + 'ExponentialE;': u'\u2147', + 'exponentiale;': u'\u2147', + 'fallingdotseq;': u'\u2252', + 'Fcy;': u'\u0424', + 'fcy;': u'\u0444', + 'female;': u'\u2640', + 'ffilig;': u'\ufb03', + 'fflig;': u'\ufb00', + 'ffllig;': u'\ufb04', + 'Ffr;': u'\U0001d509', + 'ffr;': u'\U0001d523', + 'filig;': u'\ufb01', + 'FilledSmallSquare;': u'\u25fc', + 'FilledVerySmallSquare;': u'\u25aa', + 'fjlig;': u'fj', + 'flat;': u'\u266d', + 'fllig;': u'\ufb02', + 'fltns;': u'\u25b1', + 'fnof;': u'\u0192', + 'Fopf;': u'\U0001d53d', + 'fopf;': u'\U0001d557', + 'ForAll;': u'\u2200', + 'forall;': u'\u2200', + 'fork;': u'\u22d4', + 'forkv;': u'\u2ad9', + 'Fouriertrf;': u'\u2131', + 'fpartint;': u'\u2a0d', + 'frac12': u'\xbd', + 'frac12;': u'\xbd', + 'frac13;': u'\u2153', + 'frac14': u'\xbc', + 'frac14;': u'\xbc', + 'frac15;': u'\u2155', + 'frac16;': u'\u2159', + 'frac18;': u'\u215b', + 'frac23;': u'\u2154', + 'frac25;': u'\u2156', + 'frac34': u'\xbe', + 'frac34;': u'\xbe', + 'frac35;': u'\u2157', + 'frac38;': u'\u215c', + 'frac45;': u'\u2158', + 'frac56;': u'\u215a', + 'frac58;': u'\u215d', + 'frac78;': u'\u215e', + 'frasl;': u'\u2044', + 'frown;': u'\u2322', + 'Fscr;': u'\u2131', + 'fscr;': u'\U0001d4bb', + 'gacute;': u'\u01f5', + 'Gamma;': u'\u0393', + 'gamma;': u'\u03b3', + 'Gammad;': u'\u03dc', + 'gammad;': u'\u03dd', + 'gap;': u'\u2a86', + 'Gbreve;': u'\u011e', + 'gbreve;': u'\u011f', + 'Gcedil;': u'\u0122', + 'Gcirc;': u'\u011c', + 'gcirc;': u'\u011d', + 'Gcy;': u'\u0413', + 'gcy;': u'\u0433', + 'Gdot;': u'\u0120', + 'gdot;': u'\u0121', + 'gE;': u'\u2267', + 'ge;': u'\u2265', + 'gEl;': u'\u2a8c', + 'gel;': u'\u22db', + 'geq;': u'\u2265', + 'geqq;': u'\u2267', + 'geqslant;': u'\u2a7e', + 'ges;': u'\u2a7e', + 'gescc;': u'\u2aa9', + 'gesdot;': u'\u2a80', + 'gesdoto;': u'\u2a82', + 'gesdotol;': u'\u2a84', + 'gesl;': u'\u22db\ufe00', + 'gesles;': u'\u2a94', + 'Gfr;': u'\U0001d50a', + 'gfr;': u'\U0001d524', + 'Gg;': u'\u22d9', + 'gg;': u'\u226b', + 'ggg;': u'\u22d9', + 'gimel;': u'\u2137', + 'GJcy;': u'\u0403', + 'gjcy;': u'\u0453', + 'gl;': u'\u2277', + 'gla;': u'\u2aa5', + 'glE;': u'\u2a92', + 'glj;': u'\u2aa4', + 'gnap;': u'\u2a8a', + 'gnapprox;': u'\u2a8a', + 'gnE;': u'\u2269', + 'gne;': u'\u2a88', + 'gneq;': u'\u2a88', + 'gneqq;': u'\u2269', + 'gnsim;': u'\u22e7', + 'Gopf;': u'\U0001d53e', + 'gopf;': u'\U0001d558', + 'grave;': u'`', + 'GreaterEqual;': u'\u2265', + 'GreaterEqualLess;': u'\u22db', + 'GreaterFullEqual;': u'\u2267', + 'GreaterGreater;': u'\u2aa2', + 'GreaterLess;': u'\u2277', + 'GreaterSlantEqual;': u'\u2a7e', + 'GreaterTilde;': u'\u2273', + 'Gscr;': u'\U0001d4a2', + 'gscr;': u'\u210a', + 'gsim;': u'\u2273', + 'gsime;': u'\u2a8e', + 'gsiml;': u'\u2a90', + 'GT': u'>', + 'gt': u'>', + 'GT;': u'>', + 'Gt;': u'\u226b', + 'gt;': u'>', + 'gtcc;': u'\u2aa7', + 'gtcir;': u'\u2a7a', + 'gtdot;': u'\u22d7', + 'gtlPar;': u'\u2995', + 'gtquest;': u'\u2a7c', + 'gtrapprox;': u'\u2a86', + 'gtrarr;': u'\u2978', + 'gtrdot;': u'\u22d7', + 'gtreqless;': u'\u22db', + 'gtreqqless;': u'\u2a8c', + 'gtrless;': u'\u2277', + 'gtrsim;': u'\u2273', + 'gvertneqq;': u'\u2269\ufe00', + 'gvnE;': u'\u2269\ufe00', + 'Hacek;': u'\u02c7', + 'hairsp;': u'\u200a', + 'half;': u'\xbd', + 'hamilt;': u'\u210b', + 'HARDcy;': u'\u042a', + 'hardcy;': u'\u044a', + 'hArr;': u'\u21d4', + 'harr;': u'\u2194', + 'harrcir;': u'\u2948', + 'harrw;': u'\u21ad', + 'Hat;': u'^', + 'hbar;': u'\u210f', + 'Hcirc;': u'\u0124', + 'hcirc;': u'\u0125', + 'hearts;': u'\u2665', + 'heartsuit;': u'\u2665', + 'hellip;': u'\u2026', + 'hercon;': u'\u22b9', + 'Hfr;': u'\u210c', + 'hfr;': u'\U0001d525', + 'HilbertSpace;': u'\u210b', + 'hksearow;': u'\u2925', + 'hkswarow;': u'\u2926', + 'hoarr;': u'\u21ff', + 'homtht;': u'\u223b', + 'hookleftarrow;': u'\u21a9', + 'hookrightarrow;': u'\u21aa', + 'Hopf;': u'\u210d', + 'hopf;': u'\U0001d559', + 'horbar;': u'\u2015', + 'HorizontalLine;': u'\u2500', + 'Hscr;': u'\u210b', + 'hscr;': u'\U0001d4bd', + 'hslash;': u'\u210f', + 'Hstrok;': u'\u0126', + 'hstrok;': u'\u0127', + 'HumpDownHump;': u'\u224e', + 'HumpEqual;': u'\u224f', + 'hybull;': u'\u2043', + 'hyphen;': u'\u2010', + 'Iacute': u'\xcd', + 'iacute': u'\xed', + 'Iacute;': u'\xcd', + 'iacute;': u'\xed', + 'ic;': u'\u2063', + 'Icirc': u'\xce', + 'icirc': u'\xee', + 'Icirc;': u'\xce', + 'icirc;': u'\xee', + 'Icy;': u'\u0418', + 'icy;': u'\u0438', + 'Idot;': u'\u0130', + 'IEcy;': u'\u0415', + 'iecy;': u'\u0435', + 'iexcl': u'\xa1', + 'iexcl;': u'\xa1', + 'iff;': u'\u21d4', + 'Ifr;': u'\u2111', + 'ifr;': u'\U0001d526', + 'Igrave': u'\xcc', + 'igrave': u'\xec', + 'Igrave;': u'\xcc', + 'igrave;': u'\xec', + 'ii;': u'\u2148', + 'iiiint;': u'\u2a0c', + 'iiint;': u'\u222d', + 'iinfin;': u'\u29dc', + 'iiota;': u'\u2129', + 'IJlig;': u'\u0132', + 'ijlig;': u'\u0133', + 'Im;': u'\u2111', + 'Imacr;': u'\u012a', + 'imacr;': u'\u012b', + 'image;': u'\u2111', + 'ImaginaryI;': u'\u2148', + 'imagline;': u'\u2110', + 'imagpart;': u'\u2111', + 'imath;': u'\u0131', + 'imof;': u'\u22b7', + 'imped;': u'\u01b5', + 'Implies;': u'\u21d2', + 'in;': u'\u2208', + 'incare;': u'\u2105', + 'infin;': u'\u221e', + 'infintie;': u'\u29dd', + 'inodot;': u'\u0131', + 'Int;': u'\u222c', + 'int;': u'\u222b', + 'intcal;': u'\u22ba', + 'integers;': u'\u2124', + 'Integral;': u'\u222b', + 'intercal;': u'\u22ba', + 'Intersection;': u'\u22c2', + 'intlarhk;': u'\u2a17', + 'intprod;': u'\u2a3c', + 'InvisibleComma;': u'\u2063', + 'InvisibleTimes;': u'\u2062', + 'IOcy;': u'\u0401', + 'iocy;': u'\u0451', + 'Iogon;': u'\u012e', + 'iogon;': u'\u012f', + 'Iopf;': u'\U0001d540', + 'iopf;': u'\U0001d55a', + 'Iota;': u'\u0399', + 'iota;': u'\u03b9', + 'iprod;': u'\u2a3c', + 'iquest': u'\xbf', + 'iquest;': u'\xbf', + 'Iscr;': u'\u2110', + 'iscr;': u'\U0001d4be', + 'isin;': u'\u2208', + 'isindot;': u'\u22f5', + 'isinE;': u'\u22f9', + 'isins;': u'\u22f4', + 'isinsv;': u'\u22f3', + 'isinv;': u'\u2208', + 'it;': u'\u2062', + 'Itilde;': u'\u0128', + 'itilde;': u'\u0129', + 'Iukcy;': u'\u0406', + 'iukcy;': u'\u0456', + 'Iuml': u'\xcf', + 'iuml': u'\xef', + 'Iuml;': u'\xcf', + 'iuml;': u'\xef', + 'Jcirc;': u'\u0134', + 'jcirc;': u'\u0135', + 'Jcy;': u'\u0419', + 'jcy;': u'\u0439', + 'Jfr;': u'\U0001d50d', + 'jfr;': u'\U0001d527', + 'jmath;': u'\u0237', + 'Jopf;': u'\U0001d541', + 'jopf;': u'\U0001d55b', + 'Jscr;': u'\U0001d4a5', + 'jscr;': u'\U0001d4bf', + 'Jsercy;': u'\u0408', + 'jsercy;': u'\u0458', + 'Jukcy;': u'\u0404', + 'jukcy;': u'\u0454', + 'Kappa;': u'\u039a', + 'kappa;': u'\u03ba', + 'kappav;': u'\u03f0', + 'Kcedil;': u'\u0136', + 'kcedil;': u'\u0137', + 'Kcy;': u'\u041a', + 'kcy;': u'\u043a', + 'Kfr;': u'\U0001d50e', + 'kfr;': u'\U0001d528', + 'kgreen;': u'\u0138', + 'KHcy;': u'\u0425', + 'khcy;': u'\u0445', + 'KJcy;': u'\u040c', + 'kjcy;': u'\u045c', + 'Kopf;': u'\U0001d542', + 'kopf;': u'\U0001d55c', + 'Kscr;': u'\U0001d4a6', + 'kscr;': u'\U0001d4c0', + 'lAarr;': u'\u21da', + 'Lacute;': u'\u0139', + 'lacute;': u'\u013a', + 'laemptyv;': u'\u29b4', + 'lagran;': u'\u2112', + 'Lambda;': u'\u039b', + 'lambda;': u'\u03bb', + 'Lang;': u'\u27ea', + 'lang;': u'\u27e8', + 'langd;': u'\u2991', + 'langle;': u'\u27e8', + 'lap;': u'\u2a85', + 'Laplacetrf;': u'\u2112', + 'laquo': u'\xab', + 'laquo;': u'\xab', + 'Larr;': u'\u219e', + 'lArr;': u'\u21d0', + 'larr;': u'\u2190', + 'larrb;': u'\u21e4', + 'larrbfs;': u'\u291f', + 'larrfs;': u'\u291d', + 'larrhk;': u'\u21a9', + 'larrlp;': u'\u21ab', + 'larrpl;': u'\u2939', + 'larrsim;': u'\u2973', + 'larrtl;': u'\u21a2', + 'lat;': u'\u2aab', + 'lAtail;': u'\u291b', + 'latail;': u'\u2919', + 'late;': u'\u2aad', + 'lates;': u'\u2aad\ufe00', + 'lBarr;': u'\u290e', + 'lbarr;': u'\u290c', + 'lbbrk;': u'\u2772', + 'lbrace;': u'{', + 'lbrack;': u'[', + 'lbrke;': u'\u298b', + 'lbrksld;': u'\u298f', + 'lbrkslu;': u'\u298d', + 'Lcaron;': u'\u013d', + 'lcaron;': u'\u013e', + 'Lcedil;': u'\u013b', + 'lcedil;': u'\u013c', + 'lceil;': u'\u2308', + 'lcub;': u'{', + 'Lcy;': u'\u041b', + 'lcy;': u'\u043b', + 'ldca;': u'\u2936', + 'ldquo;': u'\u201c', + 'ldquor;': u'\u201e', + 'ldrdhar;': u'\u2967', + 'ldrushar;': u'\u294b', + 'ldsh;': u'\u21b2', + 'lE;': u'\u2266', + 'le;': u'\u2264', + 'LeftAngleBracket;': u'\u27e8', + 'LeftArrow;': u'\u2190', + 'Leftarrow;': u'\u21d0', + 'leftarrow;': u'\u2190', + 'LeftArrowBar;': u'\u21e4', + 'LeftArrowRightArrow;': u'\u21c6', + 'leftarrowtail;': u'\u21a2', + 'LeftCeiling;': u'\u2308', + 'LeftDoubleBracket;': u'\u27e6', + 'LeftDownTeeVector;': u'\u2961', + 'LeftDownVector;': u'\u21c3', + 'LeftDownVectorBar;': u'\u2959', + 'LeftFloor;': u'\u230a', + 'leftharpoondown;': u'\u21bd', + 'leftharpoonup;': u'\u21bc', + 'leftleftarrows;': u'\u21c7', + 'LeftRightArrow;': u'\u2194', + 'Leftrightarrow;': u'\u21d4', + 'leftrightarrow;': u'\u2194', + 'leftrightarrows;': u'\u21c6', + 'leftrightharpoons;': u'\u21cb', + 'leftrightsquigarrow;': u'\u21ad', + 'LeftRightVector;': u'\u294e', + 'LeftTee;': u'\u22a3', + 'LeftTeeArrow;': u'\u21a4', + 'LeftTeeVector;': u'\u295a', + 'leftthreetimes;': u'\u22cb', + 'LeftTriangle;': u'\u22b2', + 'LeftTriangleBar;': u'\u29cf', + 'LeftTriangleEqual;': u'\u22b4', + 'LeftUpDownVector;': u'\u2951', + 'LeftUpTeeVector;': u'\u2960', + 'LeftUpVector;': u'\u21bf', + 'LeftUpVectorBar;': u'\u2958', + 'LeftVector;': u'\u21bc', + 'LeftVectorBar;': u'\u2952', + 'lEg;': u'\u2a8b', + 'leg;': u'\u22da', + 'leq;': u'\u2264', + 'leqq;': u'\u2266', + 'leqslant;': u'\u2a7d', + 'les;': u'\u2a7d', + 'lescc;': u'\u2aa8', + 'lesdot;': u'\u2a7f', + 'lesdoto;': u'\u2a81', + 'lesdotor;': u'\u2a83', + 'lesg;': u'\u22da\ufe00', + 'lesges;': u'\u2a93', + 'lessapprox;': u'\u2a85', + 'lessdot;': u'\u22d6', + 'lesseqgtr;': u'\u22da', + 'lesseqqgtr;': u'\u2a8b', + 'LessEqualGreater;': u'\u22da', + 'LessFullEqual;': u'\u2266', + 'LessGreater;': u'\u2276', + 'lessgtr;': u'\u2276', + 'LessLess;': u'\u2aa1', + 'lesssim;': u'\u2272', + 'LessSlantEqual;': u'\u2a7d', + 'LessTilde;': u'\u2272', + 'lfisht;': u'\u297c', + 'lfloor;': u'\u230a', + 'Lfr;': u'\U0001d50f', + 'lfr;': u'\U0001d529', + 'lg;': u'\u2276', + 'lgE;': u'\u2a91', + 'lHar;': u'\u2962', + 'lhard;': u'\u21bd', + 'lharu;': u'\u21bc', + 'lharul;': u'\u296a', + 'lhblk;': u'\u2584', + 'LJcy;': u'\u0409', + 'ljcy;': u'\u0459', + 'Ll;': u'\u22d8', + 'll;': u'\u226a', + 'llarr;': u'\u21c7', + 'llcorner;': u'\u231e', + 'Lleftarrow;': u'\u21da', + 'llhard;': u'\u296b', + 'lltri;': u'\u25fa', + 'Lmidot;': u'\u013f', + 'lmidot;': u'\u0140', + 'lmoust;': u'\u23b0', + 'lmoustache;': u'\u23b0', + 'lnap;': u'\u2a89', + 'lnapprox;': u'\u2a89', + 'lnE;': u'\u2268', + 'lne;': u'\u2a87', + 'lneq;': u'\u2a87', + 'lneqq;': u'\u2268', + 'lnsim;': u'\u22e6', + 'loang;': u'\u27ec', + 'loarr;': u'\u21fd', + 'lobrk;': u'\u27e6', + 'LongLeftArrow;': u'\u27f5', + 'Longleftarrow;': u'\u27f8', + 'longleftarrow;': u'\u27f5', + 'LongLeftRightArrow;': u'\u27f7', + 'Longleftrightarrow;': u'\u27fa', + 'longleftrightarrow;': u'\u27f7', + 'longmapsto;': u'\u27fc', + 'LongRightArrow;': u'\u27f6', + 'Longrightarrow;': u'\u27f9', + 'longrightarrow;': u'\u27f6', + 'looparrowleft;': u'\u21ab', + 'looparrowright;': u'\u21ac', + 'lopar;': u'\u2985', + 'Lopf;': u'\U0001d543', + 'lopf;': u'\U0001d55d', + 'loplus;': u'\u2a2d', + 'lotimes;': u'\u2a34', + 'lowast;': u'\u2217', + 'lowbar;': u'_', + 'LowerLeftArrow;': u'\u2199', + 'LowerRightArrow;': u'\u2198', + 'loz;': u'\u25ca', + 'lozenge;': u'\u25ca', + 'lozf;': u'\u29eb', + 'lpar;': u'(', + 'lparlt;': u'\u2993', + 'lrarr;': u'\u21c6', + 'lrcorner;': u'\u231f', + 'lrhar;': u'\u21cb', + 'lrhard;': u'\u296d', + 'lrm;': u'\u200e', + 'lrtri;': u'\u22bf', + 'lsaquo;': u'\u2039', + 'Lscr;': u'\u2112', + 'lscr;': u'\U0001d4c1', + 'Lsh;': u'\u21b0', + 'lsh;': u'\u21b0', + 'lsim;': u'\u2272', + 'lsime;': u'\u2a8d', + 'lsimg;': u'\u2a8f', + 'lsqb;': u'[', + 'lsquo;': u'\u2018', + 'lsquor;': u'\u201a', + 'Lstrok;': u'\u0141', + 'lstrok;': u'\u0142', + 'LT': u'<', + 'lt': u'<', + 'LT;': u'<', + 'Lt;': u'\u226a', + 'lt;': u'<', + 'ltcc;': u'\u2aa6', + 'ltcir;': u'\u2a79', + 'ltdot;': u'\u22d6', + 'lthree;': u'\u22cb', + 'ltimes;': u'\u22c9', + 'ltlarr;': u'\u2976', + 'ltquest;': u'\u2a7b', + 'ltri;': u'\u25c3', + 'ltrie;': u'\u22b4', + 'ltrif;': u'\u25c2', + 'ltrPar;': u'\u2996', + 'lurdshar;': u'\u294a', + 'luruhar;': u'\u2966', + 'lvertneqq;': u'\u2268\ufe00', + 'lvnE;': u'\u2268\ufe00', + 'macr': u'\xaf', + 'macr;': u'\xaf', + 'male;': u'\u2642', + 'malt;': u'\u2720', + 'maltese;': u'\u2720', + 'Map;': u'\u2905', + 'map;': u'\u21a6', + 'mapsto;': u'\u21a6', + 'mapstodown;': u'\u21a7', + 'mapstoleft;': u'\u21a4', + 'mapstoup;': u'\u21a5', + 'marker;': u'\u25ae', + 'mcomma;': u'\u2a29', + 'Mcy;': u'\u041c', + 'mcy;': u'\u043c', + 'mdash;': u'\u2014', + 'mDDot;': u'\u223a', + 'measuredangle;': u'\u2221', + 'MediumSpace;': u'\u205f', + 'Mellintrf;': u'\u2133', + 'Mfr;': u'\U0001d510', + 'mfr;': u'\U0001d52a', + 'mho;': u'\u2127', + 'micro': u'\xb5', + 'micro;': u'\xb5', + 'mid;': u'\u2223', + 'midast;': u'*', + 'midcir;': u'\u2af0', + 'middot': u'\xb7', + 'middot;': u'\xb7', + 'minus;': u'\u2212', + 'minusb;': u'\u229f', + 'minusd;': u'\u2238', + 'minusdu;': u'\u2a2a', + 'MinusPlus;': u'\u2213', + 'mlcp;': u'\u2adb', + 'mldr;': u'\u2026', + 'mnplus;': u'\u2213', + 'models;': u'\u22a7', + 'Mopf;': u'\U0001d544', + 'mopf;': u'\U0001d55e', + 'mp;': u'\u2213', + 'Mscr;': u'\u2133', + 'mscr;': u'\U0001d4c2', + 'mstpos;': u'\u223e', + 'Mu;': u'\u039c', + 'mu;': u'\u03bc', + 'multimap;': u'\u22b8', + 'mumap;': u'\u22b8', + 'nabla;': u'\u2207', + 'Nacute;': u'\u0143', + 'nacute;': u'\u0144', + 'nang;': u'\u2220\u20d2', + 'nap;': u'\u2249', + 'napE;': u'\u2a70\u0338', + 'napid;': u'\u224b\u0338', + 'napos;': u'\u0149', + 'napprox;': u'\u2249', + 'natur;': u'\u266e', + 'natural;': u'\u266e', + 'naturals;': u'\u2115', + 'nbsp': u'\xa0', + 'nbsp;': u'\xa0', + 'nbump;': u'\u224e\u0338', + 'nbumpe;': u'\u224f\u0338', + 'ncap;': u'\u2a43', + 'Ncaron;': u'\u0147', + 'ncaron;': u'\u0148', + 'Ncedil;': u'\u0145', + 'ncedil;': u'\u0146', + 'ncong;': u'\u2247', + 'ncongdot;': u'\u2a6d\u0338', + 'ncup;': u'\u2a42', + 'Ncy;': u'\u041d', + 'ncy;': u'\u043d', + 'ndash;': u'\u2013', + 'ne;': u'\u2260', + 'nearhk;': u'\u2924', + 'neArr;': u'\u21d7', + 'nearr;': u'\u2197', + 'nearrow;': u'\u2197', + 'nedot;': u'\u2250\u0338', + 'NegativeMediumSpace;': u'\u200b', + 'NegativeThickSpace;': u'\u200b', + 'NegativeThinSpace;': u'\u200b', + 'NegativeVeryThinSpace;': u'\u200b', + 'nequiv;': u'\u2262', + 'nesear;': u'\u2928', + 'nesim;': u'\u2242\u0338', + 'NestedGreaterGreater;': u'\u226b', + 'NestedLessLess;': u'\u226a', + 'NewLine;': u'\n', + 'nexist;': u'\u2204', + 'nexists;': u'\u2204', + 'Nfr;': u'\U0001d511', + 'nfr;': u'\U0001d52b', + 'ngE;': u'\u2267\u0338', + 'nge;': u'\u2271', + 'ngeq;': u'\u2271', + 'ngeqq;': u'\u2267\u0338', + 'ngeqslant;': u'\u2a7e\u0338', + 'nges;': u'\u2a7e\u0338', + 'nGg;': u'\u22d9\u0338', + 'ngsim;': u'\u2275', + 'nGt;': u'\u226b\u20d2', + 'ngt;': u'\u226f', + 'ngtr;': u'\u226f', + 'nGtv;': u'\u226b\u0338', + 'nhArr;': u'\u21ce', + 'nharr;': u'\u21ae', + 'nhpar;': u'\u2af2', + 'ni;': u'\u220b', + 'nis;': u'\u22fc', + 'nisd;': u'\u22fa', + 'niv;': u'\u220b', + 'NJcy;': u'\u040a', + 'njcy;': u'\u045a', + 'nlArr;': u'\u21cd', + 'nlarr;': u'\u219a', + 'nldr;': u'\u2025', + 'nlE;': u'\u2266\u0338', + 'nle;': u'\u2270', + 'nLeftarrow;': u'\u21cd', + 'nleftarrow;': u'\u219a', + 'nLeftrightarrow;': u'\u21ce', + 'nleftrightarrow;': u'\u21ae', + 'nleq;': u'\u2270', + 'nleqq;': u'\u2266\u0338', + 'nleqslant;': u'\u2a7d\u0338', + 'nles;': u'\u2a7d\u0338', + 'nless;': u'\u226e', + 'nLl;': u'\u22d8\u0338', + 'nlsim;': u'\u2274', + 'nLt;': u'\u226a\u20d2', + 'nlt;': u'\u226e', + 'nltri;': u'\u22ea', + 'nltrie;': u'\u22ec', + 'nLtv;': u'\u226a\u0338', + 'nmid;': u'\u2224', + 'NoBreak;': u'\u2060', + 'NonBreakingSpace;': u'\xa0', + 'Nopf;': u'\u2115', + 'nopf;': u'\U0001d55f', + 'not': u'\xac', + 'Not;': u'\u2aec', + 'not;': u'\xac', + 'NotCongruent;': u'\u2262', + 'NotCupCap;': u'\u226d', + 'NotDoubleVerticalBar;': u'\u2226', + 'NotElement;': u'\u2209', + 'NotEqual;': u'\u2260', + 'NotEqualTilde;': u'\u2242\u0338', + 'NotExists;': u'\u2204', + 'NotGreater;': u'\u226f', + 'NotGreaterEqual;': u'\u2271', + 'NotGreaterFullEqual;': u'\u2267\u0338', + 'NotGreaterGreater;': u'\u226b\u0338', + 'NotGreaterLess;': u'\u2279', + 'NotGreaterSlantEqual;': u'\u2a7e\u0338', + 'NotGreaterTilde;': u'\u2275', + 'NotHumpDownHump;': u'\u224e\u0338', + 'NotHumpEqual;': u'\u224f\u0338', + 'notin;': u'\u2209', + 'notindot;': u'\u22f5\u0338', + 'notinE;': u'\u22f9\u0338', + 'notinva;': u'\u2209', + 'notinvb;': u'\u22f7', + 'notinvc;': u'\u22f6', + 'NotLeftTriangle;': u'\u22ea', + 'NotLeftTriangleBar;': u'\u29cf\u0338', + 'NotLeftTriangleEqual;': u'\u22ec', + 'NotLess;': u'\u226e', + 'NotLessEqual;': u'\u2270', + 'NotLessGreater;': u'\u2278', + 'NotLessLess;': u'\u226a\u0338', + 'NotLessSlantEqual;': u'\u2a7d\u0338', + 'NotLessTilde;': u'\u2274', + 'NotNestedGreaterGreater;': u'\u2aa2\u0338', + 'NotNestedLessLess;': u'\u2aa1\u0338', + 'notni;': u'\u220c', + 'notniva;': u'\u220c', + 'notnivb;': u'\u22fe', + 'notnivc;': u'\u22fd', + 'NotPrecedes;': u'\u2280', + 'NotPrecedesEqual;': u'\u2aaf\u0338', + 'NotPrecedesSlantEqual;': u'\u22e0', + 'NotReverseElement;': u'\u220c', + 'NotRightTriangle;': u'\u22eb', + 'NotRightTriangleBar;': u'\u29d0\u0338', + 'NotRightTriangleEqual;': u'\u22ed', + 'NotSquareSubset;': u'\u228f\u0338', + 'NotSquareSubsetEqual;': u'\u22e2', + 'NotSquareSuperset;': u'\u2290\u0338', + 'NotSquareSupersetEqual;': u'\u22e3', + 'NotSubset;': u'\u2282\u20d2', + 'NotSubsetEqual;': u'\u2288', + 'NotSucceeds;': u'\u2281', + 'NotSucceedsEqual;': u'\u2ab0\u0338', + 'NotSucceedsSlantEqual;': u'\u22e1', + 'NotSucceedsTilde;': u'\u227f\u0338', + 'NotSuperset;': u'\u2283\u20d2', + 'NotSupersetEqual;': u'\u2289', + 'NotTilde;': u'\u2241', + 'NotTildeEqual;': u'\u2244', + 'NotTildeFullEqual;': u'\u2247', + 'NotTildeTilde;': u'\u2249', + 'NotVerticalBar;': u'\u2224', + 'npar;': u'\u2226', + 'nparallel;': u'\u2226', + 'nparsl;': u'\u2afd\u20e5', + 'npart;': u'\u2202\u0338', + 'npolint;': u'\u2a14', + 'npr;': u'\u2280', + 'nprcue;': u'\u22e0', + 'npre;': u'\u2aaf\u0338', + 'nprec;': u'\u2280', + 'npreceq;': u'\u2aaf\u0338', + 'nrArr;': u'\u21cf', + 'nrarr;': u'\u219b', + 'nrarrc;': u'\u2933\u0338', + 'nrarrw;': u'\u219d\u0338', + 'nRightarrow;': u'\u21cf', + 'nrightarrow;': u'\u219b', + 'nrtri;': u'\u22eb', + 'nrtrie;': u'\u22ed', + 'nsc;': u'\u2281', + 'nsccue;': u'\u22e1', + 'nsce;': u'\u2ab0\u0338', + 'Nscr;': u'\U0001d4a9', + 'nscr;': u'\U0001d4c3', + 'nshortmid;': u'\u2224', + 'nshortparallel;': u'\u2226', + 'nsim;': u'\u2241', + 'nsime;': u'\u2244', + 'nsimeq;': u'\u2244', + 'nsmid;': u'\u2224', + 'nspar;': u'\u2226', + 'nsqsube;': u'\u22e2', + 'nsqsupe;': u'\u22e3', + 'nsub;': u'\u2284', + 'nsubE;': u'\u2ac5\u0338', + 'nsube;': u'\u2288', + 'nsubset;': u'\u2282\u20d2', + 'nsubseteq;': u'\u2288', + 'nsubseteqq;': u'\u2ac5\u0338', + 'nsucc;': u'\u2281', + 'nsucceq;': u'\u2ab0\u0338', + 'nsup;': u'\u2285', + 'nsupE;': u'\u2ac6\u0338', + 'nsupe;': u'\u2289', + 'nsupset;': u'\u2283\u20d2', + 'nsupseteq;': u'\u2289', + 'nsupseteqq;': u'\u2ac6\u0338', + 'ntgl;': u'\u2279', + 'Ntilde': u'\xd1', + 'ntilde': u'\xf1', + 'Ntilde;': u'\xd1', + 'ntilde;': u'\xf1', + 'ntlg;': u'\u2278', + 'ntriangleleft;': u'\u22ea', + 'ntrianglelefteq;': u'\u22ec', + 'ntriangleright;': u'\u22eb', + 'ntrianglerighteq;': u'\u22ed', + 'Nu;': u'\u039d', + 'nu;': u'\u03bd', + 'num;': u'#', + 'numero;': u'\u2116', + 'numsp;': u'\u2007', + 'nvap;': u'\u224d\u20d2', + 'nVDash;': u'\u22af', + 'nVdash;': u'\u22ae', + 'nvDash;': u'\u22ad', + 'nvdash;': u'\u22ac', + 'nvge;': u'\u2265\u20d2', + 'nvgt;': u'>\u20d2', + 'nvHarr;': u'\u2904', + 'nvinfin;': u'\u29de', + 'nvlArr;': u'\u2902', + 'nvle;': u'\u2264\u20d2', + 'nvlt;': u'<\u20d2', + 'nvltrie;': u'\u22b4\u20d2', + 'nvrArr;': u'\u2903', + 'nvrtrie;': u'\u22b5\u20d2', + 'nvsim;': u'\u223c\u20d2', + 'nwarhk;': u'\u2923', + 'nwArr;': u'\u21d6', + 'nwarr;': u'\u2196', + 'nwarrow;': u'\u2196', + 'nwnear;': u'\u2927', + 'Oacute': u'\xd3', + 'oacute': u'\xf3', + 'Oacute;': u'\xd3', + 'oacute;': u'\xf3', + 'oast;': u'\u229b', + 'ocir;': u'\u229a', + 'Ocirc': u'\xd4', + 'ocirc': u'\xf4', + 'Ocirc;': u'\xd4', + 'ocirc;': u'\xf4', + 'Ocy;': u'\u041e', + 'ocy;': u'\u043e', + 'odash;': u'\u229d', + 'Odblac;': u'\u0150', + 'odblac;': u'\u0151', + 'odiv;': u'\u2a38', + 'odot;': u'\u2299', + 'odsold;': u'\u29bc', + 'OElig;': u'\u0152', + 'oelig;': u'\u0153', + 'ofcir;': u'\u29bf', + 'Ofr;': u'\U0001d512', + 'ofr;': u'\U0001d52c', + 'ogon;': u'\u02db', + 'Ograve': u'\xd2', + 'ograve': u'\xf2', + 'Ograve;': u'\xd2', + 'ograve;': u'\xf2', + 'ogt;': u'\u29c1', + 'ohbar;': u'\u29b5', + 'ohm;': u'\u03a9', + 'oint;': u'\u222e', + 'olarr;': u'\u21ba', + 'olcir;': u'\u29be', + 'olcross;': u'\u29bb', + 'oline;': u'\u203e', + 'olt;': u'\u29c0', + 'Omacr;': u'\u014c', + 'omacr;': u'\u014d', + 'Omega;': u'\u03a9', + 'omega;': u'\u03c9', + 'Omicron;': u'\u039f', + 'omicron;': u'\u03bf', + 'omid;': u'\u29b6', + 'ominus;': u'\u2296', + 'Oopf;': u'\U0001d546', + 'oopf;': u'\U0001d560', + 'opar;': u'\u29b7', + 'OpenCurlyDoubleQuote;': u'\u201c', + 'OpenCurlyQuote;': u'\u2018', + 'operp;': u'\u29b9', + 'oplus;': u'\u2295', + 'Or;': u'\u2a54', + 'or;': u'\u2228', + 'orarr;': u'\u21bb', + 'ord;': u'\u2a5d', + 'order;': u'\u2134', + 'orderof;': u'\u2134', + 'ordf': u'\xaa', + 'ordf;': u'\xaa', + 'ordm': u'\xba', + 'ordm;': u'\xba', + 'origof;': u'\u22b6', + 'oror;': u'\u2a56', + 'orslope;': u'\u2a57', + 'orv;': u'\u2a5b', + 'oS;': u'\u24c8', + 'Oscr;': u'\U0001d4aa', + 'oscr;': u'\u2134', + 'Oslash': u'\xd8', + 'oslash': u'\xf8', + 'Oslash;': u'\xd8', + 'oslash;': u'\xf8', + 'osol;': u'\u2298', + 'Otilde': u'\xd5', + 'otilde': u'\xf5', + 'Otilde;': u'\xd5', + 'otilde;': u'\xf5', + 'Otimes;': u'\u2a37', + 'otimes;': u'\u2297', + 'otimesas;': u'\u2a36', + 'Ouml': u'\xd6', + 'ouml': u'\xf6', + 'Ouml;': u'\xd6', + 'ouml;': u'\xf6', + 'ovbar;': u'\u233d', + 'OverBar;': u'\u203e', + 'OverBrace;': u'\u23de', + 'OverBracket;': u'\u23b4', + 'OverParenthesis;': u'\u23dc', + 'par;': u'\u2225', + 'para': u'\xb6', + 'para;': u'\xb6', + 'parallel;': u'\u2225', + 'parsim;': u'\u2af3', + 'parsl;': u'\u2afd', + 'part;': u'\u2202', + 'PartialD;': u'\u2202', + 'Pcy;': u'\u041f', + 'pcy;': u'\u043f', + 'percnt;': u'%', + 'period;': u'.', + 'permil;': u'\u2030', + 'perp;': u'\u22a5', + 'pertenk;': u'\u2031', + 'Pfr;': u'\U0001d513', + 'pfr;': u'\U0001d52d', + 'Phi;': u'\u03a6', + 'phi;': u'\u03c6', + 'phiv;': u'\u03d5', + 'phmmat;': u'\u2133', + 'phone;': u'\u260e', + 'Pi;': u'\u03a0', + 'pi;': u'\u03c0', + 'pitchfork;': u'\u22d4', + 'piv;': u'\u03d6', + 'planck;': u'\u210f', + 'planckh;': u'\u210e', + 'plankv;': u'\u210f', + 'plus;': u'+', + 'plusacir;': u'\u2a23', + 'plusb;': u'\u229e', + 'pluscir;': u'\u2a22', + 'plusdo;': u'\u2214', + 'plusdu;': u'\u2a25', + 'pluse;': u'\u2a72', + 'PlusMinus;': u'\xb1', + 'plusmn': u'\xb1', + 'plusmn;': u'\xb1', + 'plussim;': u'\u2a26', + 'plustwo;': u'\u2a27', + 'pm;': u'\xb1', + 'Poincareplane;': u'\u210c', + 'pointint;': u'\u2a15', + 'Popf;': u'\u2119', + 'popf;': u'\U0001d561', + 'pound': u'\xa3', + 'pound;': u'\xa3', + 'Pr;': u'\u2abb', + 'pr;': u'\u227a', + 'prap;': u'\u2ab7', + 'prcue;': u'\u227c', + 'prE;': u'\u2ab3', + 'pre;': u'\u2aaf', + 'prec;': u'\u227a', + 'precapprox;': u'\u2ab7', + 'preccurlyeq;': u'\u227c', + 'Precedes;': u'\u227a', + 'PrecedesEqual;': u'\u2aaf', + 'PrecedesSlantEqual;': u'\u227c', + 'PrecedesTilde;': u'\u227e', + 'preceq;': u'\u2aaf', + 'precnapprox;': u'\u2ab9', + 'precneqq;': u'\u2ab5', + 'precnsim;': u'\u22e8', + 'precsim;': u'\u227e', + 'Prime;': u'\u2033', + 'prime;': u'\u2032', + 'primes;': u'\u2119', + 'prnap;': u'\u2ab9', + 'prnE;': u'\u2ab5', + 'prnsim;': u'\u22e8', + 'prod;': u'\u220f', + 'Product;': u'\u220f', + 'profalar;': u'\u232e', + 'profline;': u'\u2312', + 'profsurf;': u'\u2313', + 'prop;': u'\u221d', + 'Proportion;': u'\u2237', + 'Proportional;': u'\u221d', + 'propto;': u'\u221d', + 'prsim;': u'\u227e', + 'prurel;': u'\u22b0', + 'Pscr;': u'\U0001d4ab', + 'pscr;': u'\U0001d4c5', + 'Psi;': u'\u03a8', + 'psi;': u'\u03c8', + 'puncsp;': u'\u2008', + 'Qfr;': u'\U0001d514', + 'qfr;': u'\U0001d52e', + 'qint;': u'\u2a0c', + 'Qopf;': u'\u211a', + 'qopf;': u'\U0001d562', + 'qprime;': u'\u2057', + 'Qscr;': u'\U0001d4ac', + 'qscr;': u'\U0001d4c6', + 'quaternions;': u'\u210d', + 'quatint;': u'\u2a16', + 'quest;': u'?', + 'questeq;': u'\u225f', + 'QUOT': u'"', + 'quot': u'"', + 'QUOT;': u'"', + 'quot;': u'"', + 'rAarr;': u'\u21db', + 'race;': u'\u223d\u0331', + 'Racute;': u'\u0154', + 'racute;': u'\u0155', + 'radic;': u'\u221a', + 'raemptyv;': u'\u29b3', + 'Rang;': u'\u27eb', + 'rang;': u'\u27e9', + 'rangd;': u'\u2992', + 'range;': u'\u29a5', + 'rangle;': u'\u27e9', + 'raquo': u'\xbb', + 'raquo;': u'\xbb', + 'Rarr;': u'\u21a0', + 'rArr;': u'\u21d2', + 'rarr;': u'\u2192', + 'rarrap;': u'\u2975', + 'rarrb;': u'\u21e5', + 'rarrbfs;': u'\u2920', + 'rarrc;': u'\u2933', + 'rarrfs;': u'\u291e', + 'rarrhk;': u'\u21aa', + 'rarrlp;': u'\u21ac', + 'rarrpl;': u'\u2945', + 'rarrsim;': u'\u2974', + 'Rarrtl;': u'\u2916', + 'rarrtl;': u'\u21a3', + 'rarrw;': u'\u219d', + 'rAtail;': u'\u291c', + 'ratail;': u'\u291a', + 'ratio;': u'\u2236', + 'rationals;': u'\u211a', + 'RBarr;': u'\u2910', + 'rBarr;': u'\u290f', + 'rbarr;': u'\u290d', + 'rbbrk;': u'\u2773', + 'rbrace;': u'}', + 'rbrack;': u']', + 'rbrke;': u'\u298c', + 'rbrksld;': u'\u298e', + 'rbrkslu;': u'\u2990', + 'Rcaron;': u'\u0158', + 'rcaron;': u'\u0159', + 'Rcedil;': u'\u0156', + 'rcedil;': u'\u0157', + 'rceil;': u'\u2309', + 'rcub;': u'}', + 'Rcy;': u'\u0420', + 'rcy;': u'\u0440', + 'rdca;': u'\u2937', + 'rdldhar;': u'\u2969', + 'rdquo;': u'\u201d', + 'rdquor;': u'\u201d', + 'rdsh;': u'\u21b3', + 'Re;': u'\u211c', + 'real;': u'\u211c', + 'realine;': u'\u211b', + 'realpart;': u'\u211c', + 'reals;': u'\u211d', + 'rect;': u'\u25ad', + 'REG': u'\xae', + 'reg': u'\xae', + 'REG;': u'\xae', + 'reg;': u'\xae', + 'ReverseElement;': u'\u220b', + 'ReverseEquilibrium;': u'\u21cb', + 'ReverseUpEquilibrium;': u'\u296f', + 'rfisht;': u'\u297d', + 'rfloor;': u'\u230b', + 'Rfr;': u'\u211c', + 'rfr;': u'\U0001d52f', + 'rHar;': u'\u2964', + 'rhard;': u'\u21c1', + 'rharu;': u'\u21c0', + 'rharul;': u'\u296c', + 'Rho;': u'\u03a1', + 'rho;': u'\u03c1', + 'rhov;': u'\u03f1', + 'RightAngleBracket;': u'\u27e9', + 'RightArrow;': u'\u2192', + 'Rightarrow;': u'\u21d2', + 'rightarrow;': u'\u2192', + 'RightArrowBar;': u'\u21e5', + 'RightArrowLeftArrow;': u'\u21c4', + 'rightarrowtail;': u'\u21a3', + 'RightCeiling;': u'\u2309', + 'RightDoubleBracket;': u'\u27e7', + 'RightDownTeeVector;': u'\u295d', + 'RightDownVector;': u'\u21c2', + 'RightDownVectorBar;': u'\u2955', + 'RightFloor;': u'\u230b', + 'rightharpoondown;': u'\u21c1', + 'rightharpoonup;': u'\u21c0', + 'rightleftarrows;': u'\u21c4', + 'rightleftharpoons;': u'\u21cc', + 'rightrightarrows;': u'\u21c9', + 'rightsquigarrow;': u'\u219d', + 'RightTee;': u'\u22a2', + 'RightTeeArrow;': u'\u21a6', + 'RightTeeVector;': u'\u295b', + 'rightthreetimes;': u'\u22cc', + 'RightTriangle;': u'\u22b3', + 'RightTriangleBar;': u'\u29d0', + 'RightTriangleEqual;': u'\u22b5', + 'RightUpDownVector;': u'\u294f', + 'RightUpTeeVector;': u'\u295c', + 'RightUpVector;': u'\u21be', + 'RightUpVectorBar;': u'\u2954', + 'RightVector;': u'\u21c0', + 'RightVectorBar;': u'\u2953', + 'ring;': u'\u02da', + 'risingdotseq;': u'\u2253', + 'rlarr;': u'\u21c4', + 'rlhar;': u'\u21cc', + 'rlm;': u'\u200f', + 'rmoust;': u'\u23b1', + 'rmoustache;': u'\u23b1', + 'rnmid;': u'\u2aee', + 'roang;': u'\u27ed', + 'roarr;': u'\u21fe', + 'robrk;': u'\u27e7', + 'ropar;': u'\u2986', + 'Ropf;': u'\u211d', + 'ropf;': u'\U0001d563', + 'roplus;': u'\u2a2e', + 'rotimes;': u'\u2a35', + 'RoundImplies;': u'\u2970', + 'rpar;': u')', + 'rpargt;': u'\u2994', + 'rppolint;': u'\u2a12', + 'rrarr;': u'\u21c9', + 'Rrightarrow;': u'\u21db', + 'rsaquo;': u'\u203a', + 'Rscr;': u'\u211b', + 'rscr;': u'\U0001d4c7', + 'Rsh;': u'\u21b1', + 'rsh;': u'\u21b1', + 'rsqb;': u']', + 'rsquo;': u'\u2019', + 'rsquor;': u'\u2019', + 'rthree;': u'\u22cc', + 'rtimes;': u'\u22ca', + 'rtri;': u'\u25b9', + 'rtrie;': u'\u22b5', + 'rtrif;': u'\u25b8', + 'rtriltri;': u'\u29ce', + 'RuleDelayed;': u'\u29f4', + 'ruluhar;': u'\u2968', + 'rx;': u'\u211e', + 'Sacute;': u'\u015a', + 'sacute;': u'\u015b', + 'sbquo;': u'\u201a', + 'Sc;': u'\u2abc', + 'sc;': u'\u227b', + 'scap;': u'\u2ab8', + 'Scaron;': u'\u0160', + 'scaron;': u'\u0161', + 'sccue;': u'\u227d', + 'scE;': u'\u2ab4', + 'sce;': u'\u2ab0', + 'Scedil;': u'\u015e', + 'scedil;': u'\u015f', + 'Scirc;': u'\u015c', + 'scirc;': u'\u015d', + 'scnap;': u'\u2aba', + 'scnE;': u'\u2ab6', + 'scnsim;': u'\u22e9', + 'scpolint;': u'\u2a13', + 'scsim;': u'\u227f', + 'Scy;': u'\u0421', + 'scy;': u'\u0441', + 'sdot;': u'\u22c5', + 'sdotb;': u'\u22a1', + 'sdote;': u'\u2a66', + 'searhk;': u'\u2925', + 'seArr;': u'\u21d8', + 'searr;': u'\u2198', + 'searrow;': u'\u2198', + 'sect': u'\xa7', + 'sect;': u'\xa7', + 'semi;': u';', + 'seswar;': u'\u2929', + 'setminus;': u'\u2216', + 'setmn;': u'\u2216', + 'sext;': u'\u2736', + 'Sfr;': u'\U0001d516', + 'sfr;': u'\U0001d530', + 'sfrown;': u'\u2322', + 'sharp;': u'\u266f', + 'SHCHcy;': u'\u0429', + 'shchcy;': u'\u0449', + 'SHcy;': u'\u0428', + 'shcy;': u'\u0448', + 'ShortDownArrow;': u'\u2193', + 'ShortLeftArrow;': u'\u2190', + 'shortmid;': u'\u2223', + 'shortparallel;': u'\u2225', + 'ShortRightArrow;': u'\u2192', + 'ShortUpArrow;': u'\u2191', + 'shy': u'\xad', + 'shy;': u'\xad', + 'Sigma;': u'\u03a3', + 'sigma;': u'\u03c3', + 'sigmaf;': u'\u03c2', + 'sigmav;': u'\u03c2', + 'sim;': u'\u223c', + 'simdot;': u'\u2a6a', + 'sime;': u'\u2243', + 'simeq;': u'\u2243', + 'simg;': u'\u2a9e', + 'simgE;': u'\u2aa0', + 'siml;': u'\u2a9d', + 'simlE;': u'\u2a9f', + 'simne;': u'\u2246', + 'simplus;': u'\u2a24', + 'simrarr;': u'\u2972', + 'slarr;': u'\u2190', + 'SmallCircle;': u'\u2218', + 'smallsetminus;': u'\u2216', + 'smashp;': u'\u2a33', + 'smeparsl;': u'\u29e4', + 'smid;': u'\u2223', + 'smile;': u'\u2323', + 'smt;': u'\u2aaa', + 'smte;': u'\u2aac', + 'smtes;': u'\u2aac\ufe00', + 'SOFTcy;': u'\u042c', + 'softcy;': u'\u044c', + 'sol;': u'/', + 'solb;': u'\u29c4', + 'solbar;': u'\u233f', + 'Sopf;': u'\U0001d54a', + 'sopf;': u'\U0001d564', + 'spades;': u'\u2660', + 'spadesuit;': u'\u2660', + 'spar;': u'\u2225', + 'sqcap;': u'\u2293', + 'sqcaps;': u'\u2293\ufe00', + 'sqcup;': u'\u2294', + 'sqcups;': u'\u2294\ufe00', + 'Sqrt;': u'\u221a', + 'sqsub;': u'\u228f', + 'sqsube;': u'\u2291', + 'sqsubset;': u'\u228f', + 'sqsubseteq;': u'\u2291', + 'sqsup;': u'\u2290', + 'sqsupe;': u'\u2292', + 'sqsupset;': u'\u2290', + 'sqsupseteq;': u'\u2292', + 'squ;': u'\u25a1', + 'Square;': u'\u25a1', + 'square;': u'\u25a1', + 'SquareIntersection;': u'\u2293', + 'SquareSubset;': u'\u228f', + 'SquareSubsetEqual;': u'\u2291', + 'SquareSuperset;': u'\u2290', + 'SquareSupersetEqual;': u'\u2292', + 'SquareUnion;': u'\u2294', + 'squarf;': u'\u25aa', + 'squf;': u'\u25aa', + 'srarr;': u'\u2192', + 'Sscr;': u'\U0001d4ae', + 'sscr;': u'\U0001d4c8', + 'ssetmn;': u'\u2216', + 'ssmile;': u'\u2323', + 'sstarf;': u'\u22c6', + 'Star;': u'\u22c6', + 'star;': u'\u2606', + 'starf;': u'\u2605', + 'straightepsilon;': u'\u03f5', + 'straightphi;': u'\u03d5', + 'strns;': u'\xaf', + 'Sub;': u'\u22d0', + 'sub;': u'\u2282', + 'subdot;': u'\u2abd', + 'subE;': u'\u2ac5', + 'sube;': u'\u2286', + 'subedot;': u'\u2ac3', + 'submult;': u'\u2ac1', + 'subnE;': u'\u2acb', + 'subne;': u'\u228a', + 'subplus;': u'\u2abf', + 'subrarr;': u'\u2979', + 'Subset;': u'\u22d0', + 'subset;': u'\u2282', + 'subseteq;': u'\u2286', + 'subseteqq;': u'\u2ac5', + 'SubsetEqual;': u'\u2286', + 'subsetneq;': u'\u228a', + 'subsetneqq;': u'\u2acb', + 'subsim;': u'\u2ac7', + 'subsub;': u'\u2ad5', + 'subsup;': u'\u2ad3', + 'succ;': u'\u227b', + 'succapprox;': u'\u2ab8', + 'succcurlyeq;': u'\u227d', + 'Succeeds;': u'\u227b', + 'SucceedsEqual;': u'\u2ab0', + 'SucceedsSlantEqual;': u'\u227d', + 'SucceedsTilde;': u'\u227f', + 'succeq;': u'\u2ab0', + 'succnapprox;': u'\u2aba', + 'succneqq;': u'\u2ab6', + 'succnsim;': u'\u22e9', + 'succsim;': u'\u227f', + 'SuchThat;': u'\u220b', + 'Sum;': u'\u2211', + 'sum;': u'\u2211', + 'sung;': u'\u266a', + 'sup1': u'\xb9', + 'sup1;': u'\xb9', + 'sup2': u'\xb2', + 'sup2;': u'\xb2', + 'sup3': u'\xb3', + 'sup3;': u'\xb3', + 'Sup;': u'\u22d1', + 'sup;': u'\u2283', + 'supdot;': u'\u2abe', + 'supdsub;': u'\u2ad8', + 'supE;': u'\u2ac6', + 'supe;': u'\u2287', + 'supedot;': u'\u2ac4', + 'Superset;': u'\u2283', + 'SupersetEqual;': u'\u2287', + 'suphsol;': u'\u27c9', + 'suphsub;': u'\u2ad7', + 'suplarr;': u'\u297b', + 'supmult;': u'\u2ac2', + 'supnE;': u'\u2acc', + 'supne;': u'\u228b', + 'supplus;': u'\u2ac0', + 'Supset;': u'\u22d1', + 'supset;': u'\u2283', + 'supseteq;': u'\u2287', + 'supseteqq;': u'\u2ac6', + 'supsetneq;': u'\u228b', + 'supsetneqq;': u'\u2acc', + 'supsim;': u'\u2ac8', + 'supsub;': u'\u2ad4', + 'supsup;': u'\u2ad6', + 'swarhk;': u'\u2926', + 'swArr;': u'\u21d9', + 'swarr;': u'\u2199', + 'swarrow;': u'\u2199', + 'swnwar;': u'\u292a', + 'szlig': u'\xdf', + 'szlig;': u'\xdf', + 'Tab;': u'\t', + 'target;': u'\u2316', + 'Tau;': u'\u03a4', + 'tau;': u'\u03c4', + 'tbrk;': u'\u23b4', + 'Tcaron;': u'\u0164', + 'tcaron;': u'\u0165', + 'Tcedil;': u'\u0162', + 'tcedil;': u'\u0163', + 'Tcy;': u'\u0422', + 'tcy;': u'\u0442', + 'tdot;': u'\u20db', + 'telrec;': u'\u2315', + 'Tfr;': u'\U0001d517', + 'tfr;': u'\U0001d531', + 'there4;': u'\u2234', + 'Therefore;': u'\u2234', + 'therefore;': u'\u2234', + 'Theta;': u'\u0398', + 'theta;': u'\u03b8', + 'thetasym;': u'\u03d1', + 'thetav;': u'\u03d1', + 'thickapprox;': u'\u2248', + 'thicksim;': u'\u223c', + 'ThickSpace;': u'\u205f\u200a', + 'thinsp;': u'\u2009', + 'ThinSpace;': u'\u2009', + 'thkap;': u'\u2248', + 'thksim;': u'\u223c', + 'THORN': u'\xde', + 'thorn': u'\xfe', + 'THORN;': u'\xde', + 'thorn;': u'\xfe', + 'Tilde;': u'\u223c', + 'tilde;': u'\u02dc', + 'TildeEqual;': u'\u2243', + 'TildeFullEqual;': u'\u2245', + 'TildeTilde;': u'\u2248', + 'times': u'\xd7', + 'times;': u'\xd7', + 'timesb;': u'\u22a0', + 'timesbar;': u'\u2a31', + 'timesd;': u'\u2a30', + 'tint;': u'\u222d', + 'toea;': u'\u2928', + 'top;': u'\u22a4', + 'topbot;': u'\u2336', + 'topcir;': u'\u2af1', + 'Topf;': u'\U0001d54b', + 'topf;': u'\U0001d565', + 'topfork;': u'\u2ada', + 'tosa;': u'\u2929', + 'tprime;': u'\u2034', + 'TRADE;': u'\u2122', + 'trade;': u'\u2122', + 'triangle;': u'\u25b5', + 'triangledown;': u'\u25bf', + 'triangleleft;': u'\u25c3', + 'trianglelefteq;': u'\u22b4', + 'triangleq;': u'\u225c', + 'triangleright;': u'\u25b9', + 'trianglerighteq;': u'\u22b5', + 'tridot;': u'\u25ec', + 'trie;': u'\u225c', + 'triminus;': u'\u2a3a', + 'TripleDot;': u'\u20db', + 'triplus;': u'\u2a39', + 'trisb;': u'\u29cd', + 'tritime;': u'\u2a3b', + 'trpezium;': u'\u23e2', + 'Tscr;': u'\U0001d4af', + 'tscr;': u'\U0001d4c9', + 'TScy;': u'\u0426', + 'tscy;': u'\u0446', + 'TSHcy;': u'\u040b', + 'tshcy;': u'\u045b', + 'Tstrok;': u'\u0166', + 'tstrok;': u'\u0167', + 'twixt;': u'\u226c', + 'twoheadleftarrow;': u'\u219e', + 'twoheadrightarrow;': u'\u21a0', + 'Uacute': u'\xda', + 'uacute': u'\xfa', + 'Uacute;': u'\xda', + 'uacute;': u'\xfa', + 'Uarr;': u'\u219f', + 'uArr;': u'\u21d1', + 'uarr;': u'\u2191', + 'Uarrocir;': u'\u2949', + 'Ubrcy;': u'\u040e', + 'ubrcy;': u'\u045e', + 'Ubreve;': u'\u016c', + 'ubreve;': u'\u016d', + 'Ucirc': u'\xdb', + 'ucirc': u'\xfb', + 'Ucirc;': u'\xdb', + 'ucirc;': u'\xfb', + 'Ucy;': u'\u0423', + 'ucy;': u'\u0443', + 'udarr;': u'\u21c5', + 'Udblac;': u'\u0170', + 'udblac;': u'\u0171', + 'udhar;': u'\u296e', + 'ufisht;': u'\u297e', + 'Ufr;': u'\U0001d518', + 'ufr;': u'\U0001d532', + 'Ugrave': u'\xd9', + 'ugrave': u'\xf9', + 'Ugrave;': u'\xd9', + 'ugrave;': u'\xf9', + 'uHar;': u'\u2963', + 'uharl;': u'\u21bf', + 'uharr;': u'\u21be', + 'uhblk;': u'\u2580', + 'ulcorn;': u'\u231c', + 'ulcorner;': u'\u231c', + 'ulcrop;': u'\u230f', + 'ultri;': u'\u25f8', + 'Umacr;': u'\u016a', + 'umacr;': u'\u016b', + 'uml': u'\xa8', + 'uml;': u'\xa8', + 'UnderBar;': u'_', + 'UnderBrace;': u'\u23df', + 'UnderBracket;': u'\u23b5', + 'UnderParenthesis;': u'\u23dd', + 'Union;': u'\u22c3', + 'UnionPlus;': u'\u228e', + 'Uogon;': u'\u0172', + 'uogon;': u'\u0173', + 'Uopf;': u'\U0001d54c', + 'uopf;': u'\U0001d566', + 'UpArrow;': u'\u2191', + 'Uparrow;': u'\u21d1', + 'uparrow;': u'\u2191', + 'UpArrowBar;': u'\u2912', + 'UpArrowDownArrow;': u'\u21c5', + 'UpDownArrow;': u'\u2195', + 'Updownarrow;': u'\u21d5', + 'updownarrow;': u'\u2195', + 'UpEquilibrium;': u'\u296e', + 'upharpoonleft;': u'\u21bf', + 'upharpoonright;': u'\u21be', + 'uplus;': u'\u228e', + 'UpperLeftArrow;': u'\u2196', + 'UpperRightArrow;': u'\u2197', + 'Upsi;': u'\u03d2', + 'upsi;': u'\u03c5', + 'upsih;': u'\u03d2', + 'Upsilon;': u'\u03a5', + 'upsilon;': u'\u03c5', + 'UpTee;': u'\u22a5', + 'UpTeeArrow;': u'\u21a5', + 'upuparrows;': u'\u21c8', + 'urcorn;': u'\u231d', + 'urcorner;': u'\u231d', + 'urcrop;': u'\u230e', + 'Uring;': u'\u016e', + 'uring;': u'\u016f', + 'urtri;': u'\u25f9', + 'Uscr;': u'\U0001d4b0', + 'uscr;': u'\U0001d4ca', + 'utdot;': u'\u22f0', + 'Utilde;': u'\u0168', + 'utilde;': u'\u0169', + 'utri;': u'\u25b5', + 'utrif;': u'\u25b4', + 'uuarr;': u'\u21c8', + 'Uuml': u'\xdc', + 'uuml': u'\xfc', + 'Uuml;': u'\xdc', + 'uuml;': u'\xfc', + 'uwangle;': u'\u29a7', + 'vangrt;': u'\u299c', + 'varepsilon;': u'\u03f5', + 'varkappa;': u'\u03f0', + 'varnothing;': u'\u2205', + 'varphi;': u'\u03d5', + 'varpi;': u'\u03d6', + 'varpropto;': u'\u221d', + 'vArr;': u'\u21d5', + 'varr;': u'\u2195', + 'varrho;': u'\u03f1', + 'varsigma;': u'\u03c2', + 'varsubsetneq;': u'\u228a\ufe00', + 'varsubsetneqq;': u'\u2acb\ufe00', + 'varsupsetneq;': u'\u228b\ufe00', + 'varsupsetneqq;': u'\u2acc\ufe00', + 'vartheta;': u'\u03d1', + 'vartriangleleft;': u'\u22b2', + 'vartriangleright;': u'\u22b3', + 'Vbar;': u'\u2aeb', + 'vBar;': u'\u2ae8', + 'vBarv;': u'\u2ae9', + 'Vcy;': u'\u0412', + 'vcy;': u'\u0432', + 'VDash;': u'\u22ab', + 'Vdash;': u'\u22a9', + 'vDash;': u'\u22a8', + 'vdash;': u'\u22a2', + 'Vdashl;': u'\u2ae6', + 'Vee;': u'\u22c1', + 'vee;': u'\u2228', + 'veebar;': u'\u22bb', + 'veeeq;': u'\u225a', + 'vellip;': u'\u22ee', + 'Verbar;': u'\u2016', + 'verbar;': u'|', + 'Vert;': u'\u2016', + 'vert;': u'|', + 'VerticalBar;': u'\u2223', + 'VerticalLine;': u'|', + 'VerticalSeparator;': u'\u2758', + 'VerticalTilde;': u'\u2240', + 'VeryThinSpace;': u'\u200a', + 'Vfr;': u'\U0001d519', + 'vfr;': u'\U0001d533', + 'vltri;': u'\u22b2', + 'vnsub;': u'\u2282\u20d2', + 'vnsup;': u'\u2283\u20d2', + 'Vopf;': u'\U0001d54d', + 'vopf;': u'\U0001d567', + 'vprop;': u'\u221d', + 'vrtri;': u'\u22b3', + 'Vscr;': u'\U0001d4b1', + 'vscr;': u'\U0001d4cb', + 'vsubnE;': u'\u2acb\ufe00', + 'vsubne;': u'\u228a\ufe00', + 'vsupnE;': u'\u2acc\ufe00', + 'vsupne;': u'\u228b\ufe00', + 'Vvdash;': u'\u22aa', + 'vzigzag;': u'\u299a', + 'Wcirc;': u'\u0174', + 'wcirc;': u'\u0175', + 'wedbar;': u'\u2a5f', + 'Wedge;': u'\u22c0', + 'wedge;': u'\u2227', + 'wedgeq;': u'\u2259', + 'weierp;': u'\u2118', + 'Wfr;': u'\U0001d51a', + 'wfr;': u'\U0001d534', + 'Wopf;': u'\U0001d54e', + 'wopf;': u'\U0001d568', + 'wp;': u'\u2118', + 'wr;': u'\u2240', + 'wreath;': u'\u2240', + 'Wscr;': u'\U0001d4b2', + 'wscr;': u'\U0001d4cc', + 'xcap;': u'\u22c2', + 'xcirc;': u'\u25ef', + 'xcup;': u'\u22c3', + 'xdtri;': u'\u25bd', + 'Xfr;': u'\U0001d51b', + 'xfr;': u'\U0001d535', + 'xhArr;': u'\u27fa', + 'xharr;': u'\u27f7', + 'Xi;': u'\u039e', + 'xi;': u'\u03be', + 'xlArr;': u'\u27f8', + 'xlarr;': u'\u27f5', + 'xmap;': u'\u27fc', + 'xnis;': u'\u22fb', + 'xodot;': u'\u2a00', + 'Xopf;': u'\U0001d54f', + 'xopf;': u'\U0001d569', + 'xoplus;': u'\u2a01', + 'xotime;': u'\u2a02', + 'xrArr;': u'\u27f9', + 'xrarr;': u'\u27f6', + 'Xscr;': u'\U0001d4b3', + 'xscr;': u'\U0001d4cd', + 'xsqcup;': u'\u2a06', + 'xuplus;': u'\u2a04', + 'xutri;': u'\u25b3', + 'xvee;': u'\u22c1', + 'xwedge;': u'\u22c0', + 'Yacute': u'\xdd', + 'yacute': u'\xfd', + 'Yacute;': u'\xdd', + 'yacute;': u'\xfd', + 'YAcy;': u'\u042f', + 'yacy;': u'\u044f', + 'Ycirc;': u'\u0176', + 'ycirc;': u'\u0177', + 'Ycy;': u'\u042b', + 'ycy;': u'\u044b', + 'yen': u'\xa5', + 'yen;': u'\xa5', + 'Yfr;': u'\U0001d51c', + 'yfr;': u'\U0001d536', + 'YIcy;': u'\u0407', + 'yicy;': u'\u0457', + 'Yopf;': u'\U0001d550', + 'yopf;': u'\U0001d56a', + 'Yscr;': u'\U0001d4b4', + 'yscr;': u'\U0001d4ce', + 'YUcy;': u'\u042e', + 'yucy;': u'\u044e', + 'yuml': u'\xff', + 'Yuml;': u'\u0178', + 'yuml;': u'\xff', + 'Zacute;': u'\u0179', + 'zacute;': u'\u017a', + 'Zcaron;': u'\u017d', + 'zcaron;': u'\u017e', + 'Zcy;': u'\u0417', + 'zcy;': u'\u0437', + 'Zdot;': u'\u017b', + 'zdot;': u'\u017c', + 'zeetrf;': u'\u2128', + 'ZeroWidthSpace;': u'\u200b', + 'Zeta;': u'\u0396', + 'zeta;': u'\u03b6', + 'Zfr;': u'\u2128', + 'zfr;': u'\U0001d537', + 'ZHcy;': u'\u0416', + 'zhcy;': u'\u0436', + 'zigrarr;': u'\u21dd', + 'Zopf;': u'\u2124', + 'zopf;': u'\U0001d56b', + 'Zscr;': u'\U0001d4b5', + 'zscr;': u'\U0001d4cf', + 'zwj;': u'\u200d', + 'zwnj;': u'\u200c', +} + + class EntitySubstitution(object): """The ability to substitute XML or HTML entities for certain characters.""" def _populate_class_variables(): - lookup = {} - reverse_lookup = {} - characters_for_re = [] - - # &apos is an XHTML entity and an HTML 5, but not an HTML 4 - # entity. We don't want to use it, but we want to recognize it on the way in. - # - # TODO: Ideally we would be able to recognize all HTML 5 named - # entities, but that's a little tricky. - extra = [(39, 'apos')] - for codepoint, name in list(codepoint2name.items()) + extra: + """Initialize variables used by this class to manage the plethora of + HTML5 named entities. + + This function returns a 3-tuple containing two dictionaries + and a regular expression: + + unicode_to_name - A mapping of Unicode strings like "⦨" to + entity names like "angmsdaa". When a single Unicode string has + multiple entity names, we try to choose the most commonly-used + name. + + name_to_unicode: A mapping of entity names like "angmsdaa" to + Unicode strings like "⦨". + + named_entity_re: A regular expression matching (almost) any + Unicode string that corresponds to an HTML5 named entity. + """ + unicode_to_name = {} + name_to_unicode = {} + + short_entities = set() + long_entities_by_first_character = defaultdict(set) + + for name_with_semicolon, character in sorted(html5.items()): + # "It is intentional, for legacy compatibility, that many + # code points have multiple character reference names. For + # example, some appear both with and without the trailing + # semicolon, or with different capitalizations." + # - https://html.spec.whatwg.org/multipage/named-characters.html#named-character-references + # + # The parsers are in charge of handling (or not) character + # references with no trailing semicolon, so we remove the + # semicolon whenever it appears. + if name_with_semicolon.endswith(';'): + name = name_with_semicolon[:-1] + else: + name = name_with_semicolon + + # When parsing HTML, we want to recognize any known named + # entity and convert it to a sequence of Unicode + # characters. + if name not in name_to_unicode: + name_to_unicode[name] = character + + # When _generating_ HTML, we want to recognize special + # character sequences that _could_ be converted to named + # entities. + unicode_to_name[character] = name + + # We also need to build a regular expression that lets us + # _find_ those characters in output strings so we can + # replace them. + # + # This is tricky, for two reasons. + + if (len(character) == 1 and ord(character) < 128 + and character not in '<>&'): + # First, it would be annoying to turn single ASCII + # characters like | into named entities like + # |. The exceptions are <>&, which we _must_ + # turn into named entities to produce valid HTML. + continue + + if len(character) > 1 and all(ord(x) < 128 for x in character): + # We also do not want to turn _combinations_ of ASCII + # characters like 'fj' into named entities like 'fj', + # though that's more debateable. + continue + + # Second, some named entities have a Unicode value that's + # a subset of the Unicode value for some _other_ named + # entity. As an example, \u2267' is ≧, + # but '\u2267\u0338' is ≧̸. Our regular + # expression needs to match the first two characters of + # "\u2267\u0338foo", but only the first character of + # "\u2267foo". + # + # In this step, we build two sets of characters that + # _eventually_ need to go into the regular expression. But + # we won't know exactly what the regular expression needs + # to look like until we've gone through the entire list of + # named entities. + if len(character) == 1: + short_entities.add(character) + else: + long_entities_by_first_character[character[0]].add(character) + + # Now that we've been through the entire list of entities, we + # can create a regular expression that matches any of them. + particles = set() + for short in short_entities: + long_versions = long_entities_by_first_character[short] + if not long_versions: + particles.add(short) + else: + ignore = "".join([x[1] for x in long_versions]) + # This finds, e.g. \u2267 but only if it is _not_ + # followed by \u0338. + particles.add("%s(?![%s])" % (short, ignore)) + + for long_entities in long_entities_by_first_character.values(): + for long_entity in long_entities: + particles.add(long_entity) + + re_definition = "(%s)" % "|".join(particles) + + # If an entity shows up in both html5 and codepoint2name, it's + # likely that HTML5 gives it several different names, such as + # 'rsquo' and 'rsquor'. When converting Unicode characters to + # named entities, the codepoint2name name should take + # precedence where possible, since that's the more easily + # recognizable one. + for codepoint, name in codepoint2name.items(): character = unichr(codepoint) - if codepoint not in (34, 39): - # There's no point in turning the quotation mark into - # " or the single quote into ', unless it - # happens within an attribute value, which is handled - # elsewhere. - characters_for_re.append(character) - lookup[character] = name - # But we do want to recognize those entities on the way in and - # convert them to Unicode characters. - reverse_lookup[name] = character - re_definition = "[%s]" % "".join(characters_for_re) - return lookup, reverse_lookup, re.compile(re_definition) + unicode_to_name[character] = name + + return unicode_to_name, name_to_unicode, re.compile(re_definition) (CHARACTER_TO_HTML_ENTITY, HTML_ENTITY_TO_CHARACTER, CHARACTER_TO_HTML_ENTITY_RE) = _populate_class_variables() @@ -113,14 +2448,14 @@ class EntitySubstitution(object): @classmethod def _substitute_html_entity(cls, matchobj): """Used with a regular expression to substitute the - appropriate HTML entity for a special character.""" + appropriate HTML entity for a special character string.""" entity = cls.CHARACTER_TO_HTML_ENTITY.get(matchobj.group(0)) return "&%s;" % entity @classmethod def _substitute_xml_entity(cls, matchobj): """Used with a regular expression to substitute the - appropriate XML entity for a special character.""" + appropriate XML entity for a special character string.""" entity = cls.CHARACTER_TO_XML_ENTITY[matchobj.group(0)] return "&%s;" % entity |