如何解码MS Access中的HTML编码文本

Question

我在MS Access 2003中有一个表字段，其中包含HTML编码的字符串，如下所示：

Ανταγωνισμός παγκοσμίου επιπέδου στην κατάρτι&#963

如何使用MS Access将其解码为“普通字符串”？

提前致谢。

---

到目前为止我所拥有的。使用提供的Vb代码here（BTW我只能从IE7打开该页面，而不是从FF 3.5或Chrome 2打开），我写了以下功能：

Private Function UnicodeDecode(StringToDecode As String) As String
  Dim TempAns As String
  Dim CurChr As Integer
  CurChr = 1
  Do Until CurChr - 1 = Len(StringToDecode)
    Select Case Mid(StringToDecode, CurChr, 2)
    Case "&#"
      TempAns = TempAns & Chr(Mid(StringToDecode, CurChr + 2, 3))
       CurChr = CurChr + 5
    Case Else
      TempAns = TempAns & Mid(StringToDecode, CurChr, 1)
    End Select
    CurChr = CurChr + 1
  Loop
  UnicodeDecode = TempAns
End Function

现在，当你提供最多255个字符的十进制值时，这是有效的。如果我尝试执行，例如：

Chr(338)

它失败并显示“无效的过程调用或参数”。根据{{​​3}}，我认为默认情况下MS Access仅支持ISOlat1标准。但是，我需要转换十进制值大于913的unicode字符，即ISOgrk3。

有谁知道我该怎么做？

再次感谢。

Answer 1

您可以使用msxml6.dll（Microsoft XML v6.0）将html实体转换为VBA中的纯文本：

Set oDOMDoc = CreateObject("Msxml2.DOMDocument.6.0")
Html = "<Black>"2"
oDOMDoc.LoadXML ("<root>" & Html & "</root>")
HtmlDecode = oDOMDoc.Text

Answer 2

这个available on the web的VB代码在Access中保持不变。我已经在生产Access应用程序中使用该代码已有好几年了，并且从未遇到任何问题。

Answer 3

以下是一篇文章，其中提供了许多可能涉及的方向：

Using Unicode in Visual Basic 6（Access的VBA是VB6的超集）

然后你可能想要使用这些Access / VBA函数：

• 中StrConv（）
• ASCB（）
• CHRB（）

这并不能解决所有问题，但这应该会给你一个起点。

注意StrConv（）第二个参数的两个常量，vbUnicode和vbFromUnicode，最后一个可选参数是字符集，希腊语在​​上面引用的URL中给出为161（似乎没有是一个命名常量 - dbLangGreek常量返回“; LANGID = 0x0408; CP = 1253; COUNTRY = 0”）。

在我看来，只要您将此限制为希腊语，您可能需要设置一个数组，将字符映射到相应的数字编码。但我认为使用处理多种编码的解决方案会更好。

最后，您可以尝试访问Michael Kaplan旧网站Trigeminal.com上的此页：

The Localized Website of Trigeminal Software, Inc.

...并向下滚动到最后，“此站点上的其他I18n资源。” .NET和其他编程的大部分信息已经过时，但它仍然适用于VB6 / Access VBA。

Answer 4

非常感谢。 如果输入数组有 4 数字（如波斯语），我必须更改一些代码 当您想在MS Access中将其用作宏时，该功能也应该是公开。 应用 ChrW（）而不是Chr（）。

Public Function UnicodeDecode(StringToDecode As String) As String
  Dim TempAns As String
  Dim CurChr As Integer
  CurChr = 1
  Do Until CurChr - 1 = Len(StringToDecode)
    Select Case Mid(StringToDecode, CurChr, 2)
    Case "&#"
      TempAns = TempAns & ChrW(Mid(StringToDecode, CurChr + 2, 4))
       CurChr = CurChr + 6
    Case Else
      TempAns = TempAns & Mid(StringToDecode, CurChr, 1)
    End Select
    CurChr = CurChr + 1
  Loop
  UnicodeDecode = TempAns
End Function

Answer 5

将其粘贴到文件中并将其另存为HTML文件，然后在浏览器中打开。

当我尝试时，我得到了一些奇怪的字体，如希腊语或阿拉伯语，我确信它对你来说比对我更有意义：

Ανταγωνισμόςπαγκοσμίουεπιπέδουστηνκατάρτισ（Greek）

Answer 6

我知道这是一个旧线程，但是总是在寻找更好的捕鼠器...

Public Function HtmlDecode(StringToDecode As Variant) As String
    Set oMSHTML = CreateObject("htmlfile")
    Set e = oMSHTML.createElement("T")
    e.innerHTML = StringToDecode
    HtmlDecode = e.innerText
End Function

Answer 7

偶然发现这篇文章来解码嵌入在 xml 元素中的“html 编码的 xml”。 @David-W-Fenton 目前接受的答案是关于 url 解码，它不能解决问题也不能解决我的问题。 当 html 实体被混入时，@Ruslan 的答案有问题（如@Roemer 所述）。 在这里，我有一个带有 unicode 控制代码和 html 实体的工作示例，它解决了这些问题并（改进）了@Tx-Barnstormer 给出的答案：

Public Sub TestDecoding()
    Dim htmlEncoded As String
    Dim xmlDoc As Object
    
    htmlEncoded = "<tests>" & _
        "<eacute>é</eacute>" & _
        "<amp>&</amp>" & _
        "<childNode><childNode attribute="testvalue">I'm a childNode</childNode></childNode>" & _
        "<otrema>ö</otrema>" & _
        "<hyphen>–</hyphen>" & _
    "</tests>"
    
    Debug.Print HtmlDecode(htmlEncoded)
End Sub

Function HtmlDecode(str As String) As String
    Dim dom As Object

    Set dom = CreateObject("htmlfile")
    dom.Open
    dom.Write str
    dom.Close
    HtmlDecode = dom.Body.innerText
End Function

TestDecode 的格式化输出：

<tests>
    <eacute>é</eacute>
    <amp>&amp;</amp>
    <childNode><childNode attribute="testvalue">I'm a childNode</childNode></childNode>
    <otrema>ö</otrema>
    <hyphen>–</hyphen>
</tests>

此功能也适用于开头帖子中的字符串，但您会在“立即”窗口中看到问号。为了解决这个问题，我没有测试过，你应该设置系统的语言环境： Displaying Japanese text in the Immediate Window of Excel VBA

为了您的方便：

??ta????sµ?? pa???sµ??? ep?p?d?? st?? ?at??t?s

立即窗口将希腊字符转换为 ANSI 并且无法显示它们，至少在我的情况下是这样。