Question

我在数据库中有html编码的字符串，但许多字符实体不仅仅是标准的&和<。 “和—等实体。不幸的是，我们需要将这些数据提供给基于闪存的rss阅读器，而flash不会读取这些实体，但它们会读取等效的unicode（ex “）。

使用.Net 4.0，是否有任何实用方法可以将html编码的字符串转换为使用unicode编码的字符实体？

这是我需要的更好的例子。 db有html字符串，如：<p>John & Sarah went to see $ldquo;Scream 4$rdquo;.</p>，我需要在<description>标记的rss / xml文档中输出：<p>John &#38; Sarah went to see &#8220;Scream 4&#8221;.</p>

我正在使用XmlTextWriter从数据库记录创建xml文档，类似于此示例代码http://www.dotnettutorials.com/tutorials/advanced/rss-feed-asp-net-csharp.aspx

因此，我需要将数据库中的html字符串中的所有字符实体替换为其unicode等效项，因为基于Flash的rss阅读器无法识别最常见的任何实体，如&。

Answer 1

我的第一个想法是，您的RSS阅读器能否接受实际角色？如果是这样，您可以使用HtmlDecode并直接将其提取。

如果确实需要将其转换为数字表示，则可以解析每个实体HtmlDecode，然后将其转换为int以获取基数为10的unicode值。然后将其重新插入字符串中。

修改这里有一些代码来证明我的意思（它没有经过测试，但是可以了解这个想法）：

string input = "Something with — or other character entities."; StringBuilder output = new StringBuilder(input.Length); for (int i = 0; i < input.Length; i++) { if (input[i] == '&') { int startOfEntity = i; // just for easier reading int endOfEntity = input.IndexOf(';', startOfEntity); string entity = input.Substring(startOfEntity, endOfEntity - startOfEntity); int unicodeNumber = (int)(HttpUtility.HtmlDecode(entity)[0]); output.Append("&#" + unicodeNumber + ";"); i = endOfEntity; // continue parsing after the end of the entity } else output.Append(input[i]); }

我可能会在某处出现一个一个错误的错误，但它应该很接近。

Answer 2

会HttpUtility.HtmlDecode为你工作吗？

我意识到它不会转换为unicode等效实体，而是将其转换为unicode。是否有特定原因需要unicode等效实体？

更新了编辑

        string test = "<p>John &amp; Sarah went to see &ldquo;Scream 4&rdquo;.</p>";
        string decode = HttpUtility.HtmlDecode(test);
        string encode = HttpUtility.HtmlEncode(decode);

        StringBuilder builder = new StringBuilder();
        foreach (char c in encode)
        {
            if ((int)c > 127)
            {
                builder.Append("&#");
                builder.Append((int)c);
                builder.Append(";");
            }
            else
            {
                builder.Append(c);
            }
        }
        string result = builder.ToString();

Answer 3

您可以从W3C下载相应HTML和/或XHTML DTD的本地副本。然后设置一个XmlResolver并使用它来展开文档中找到的任何实体。

您可以使用正则表达式来查找/扩展实体，但这对上下文一无所知（例如，不应扩展CDATA部分中的任何内容）。

Answer 4

这可能会帮助您将输入路径放在文本框中

        try
        {
            FileInfo n = new FileInfo(textBox1.Text);
            string initContent = File.ReadAllText(textBox1.Text);
            int contentLength = initContent.Length;
            Match m;

            while ((m = Regex.Match(initContent, "[^a-zA-Z0-9<>/\\s(&#\\d+;)-]")).Value != String.Empty)
                initContent = initContent.Remove(m.Index, 1).Insert(m.Index, string.Format("&#{0};", (int)m.Value[0]));

            File.WriteAllText("outputpath", initContent);
        }

        catch (System.Exception excep)
        {

            MessageBox.Show(excep.Message);

        }



    }

将字符实体转换为其unicode等效项

4 个答案: