Question

我有一些包含 XHTML 字符实体的字符串：

"They&apos;re quite varied"
"Sometimes the string &isin; XML standard, sometimes &isin; HTML4 standard"
"Therefore -&gt; I need an XHTML entity decoder."
"Sadly, some strings are not valid XML & are not-quite-so-valid HTML <- but I want them to work, too."

有没有简单的方法解码实体？（我正在使用Java）

我目前正在使用StringEscapeUtils.unescapeHtml4(myString.replace("'", "\'"))作为临时黑客。遗憾的是，org.apache.commons.lang3.StringEscapeUtils有unescapeHtml4和unescapeXML，但没有unescapeXhtml。

编辑：我确实想要处理无效的XML，例如我想要“＆amp;＆amp; xyzzy;”解码为“＆amp;＆amp; xyzzy;”

编辑：我认为HTML5与XHTML的字符实体几乎相同，所以我认为HTML 5 解码器也可以。

Answer 1

您是否尝试过基于 org.apache.commons.text.StringEscapeUtils 提供的工具实现 XHTMLStringEscapeUtils？

import org.apache.commons.text.StringEscapeUtils;
import org.apache.commons.text.translate.*;

public class XHTMLStringEscapeUtils {
    public static final CharSequenceTranslator ESCAPE_XHTML =
            new AggregateTranslator(
                    new LookupTranslator(EntityArrays.BASIC_ESCAPE),
                    new LookupTranslator(EntityArrays.ISO8859_1_ESCAPE),
                    new LookupTranslator(EntityArrays.HTML40_EXTENDED_ESCAPE)
            ).with(StringEscapeUtils.ESCAPE_XML11);

    public static final CharSequenceTranslator UNESCAPE_XHTML =
            new AggregateTranslator(
                    new LookupTranslator(EntityArrays.BASIC_UNESCAPE),
                    new LookupTranslator(EntityArrays.ISO8859_1_UNESCAPE),
                    new LookupTranslator(EntityArrays.HTML40_EXTENDED_UNESCAPE),
                    new NumericEntityUnescaper(),
                    new LookupTranslator(EntityArrays.APOS_UNESCAPE)
            );

    public static final String escape(final String input) {
        return ESCAPE_XHTML.translate(input);
    }

    public static final String unescape(final String input) {
        return UNESCAPE_XHTML.translate(input);
    }
}

感谢 Apache commons-text lib 的模块化设计，可以轻松创建自定义转义工具。

您可以在此处找到带有测试的完整项目xhtml-string-escape-utils

Answer 2

这可能不是直接相关的，但您可能希望采用JSoup来处理类似的事情，尽管从更高层次开始。包括网页清理程序。

如何在Java中解码XHTML和/或HTML5实体？

2 个答案: