é在java中的dom转换后显示为é

Question

我正在尝试将HTML字符串转换为dom以进行一些dom级别更改并将其转换回String。 HTML是法语，é等字符显示为é是转换后转换后的字符串。

TransformerFactory transformerFactory = TransformerFactory.newInstance();
Transformer transformer = transformerFactory.newTransformer();
DOMSource source = new DOMSource(doc);

String modifiedContent = "";
StringWriter writer = new StringWriter();
StreamResult result = new StreamResult(writer);
transformer.transform(source, result);
modifiedContent = writer.toString();

“Résultatsderecherche”是一个字符串，在dom转换为String后，“Résultats de recherche”就是结果。

我将它送到FOP处理器将其转换为pdf，所以我需要原始形式的字符。

Answer 1

对我来说，DOMSource以html格式保存字符看起来很正常。

您可以使用Jakarta library unescape html method将html字符转换回常规字符串。 在您的情况下，您应该添加以下行：

String unescapedHtml = StringEscapeUtils.unescapeHtml4(modifiedContent);

确保为项目添加正确的maven dependency。

P.S。在maven central上似乎有一个更新版本的库，但我找不到相关的javadoc。