java - 使用 Java 标准库将 HTML 字符转换回文本

Question

我想使用 Java 标准库将一些 HTML 字符转换回文本。我想知道是否有任何图书馆可以实现我的目的？

/**
 * @param args the command line arguments
 */
public static void main(String[] args) {
    // TODO code application logic here

    // "Happy & Sad" in HTML form.
    String s = "Happy &amp; Sad";
    System.out.println(s);

    try {
        // Change to "Happy & Sad". DOESN'T WORK!
        s = java.net.URLDecoder.decode(s, "UTF-8");
        System.out.println(s);
    } catch (UnsupportedEncodingException ex) {

    }
}

score 59 · Accepted Answer

我认为 Apache Commons Lang 库StringEscapeUtils.unescapeHtml3()和unescapeHtml4()方法是您正在寻找的。请参阅https://commons.apache.org/proper/commons-text/javadocs/api-release/org/apache/commons/text/StringEscapeUtils.html。

score 28 · Accepted Answer

在这里，您只需在应用程序的 lib jsoup 中添加 jar 文件，然后使用此代码。

import org.jsoup.Jsoup;

public class Encoder {
    public static void main(String args[]) {
        String s = Jsoup.parse("&lt;Fran&ccedil;ais&gt;").text();
        System.out.print(s);
    }
}

jsoup下载链接：http: //jsoup.org/download

score 7 · Accepted Answer

java.net.URLDecoder仅处理application/x-www-form-urlencodedMIME 格式（例如“%20”表示空格），而不处理HTML 字符实体。我认为Java平台上没有任何东西。您可以编写自己的实用程序类来进行转换，例如这个。

score 5 · Accepted Answer

URL 解码器只能用于解码来自“application/x-www-form-urlencoded”mime 类型的 html 表单生成的 url 中的字符串。这不支持 html 字符。

经过搜索，我在HTML Parser库中找到了一个Translate类。

score 4 · Accepted Answer

您可以使用 org.apache.commons.lang.StringEscapeUtils 类：

String s = StringEscapeUtils.unescapeHtml("Happy &amp; Sad")

这是工作。

score 2 · Accepted Answer

我不知道使用标准库有什么方法可以做到这一点。但我确实知道并使用这个处理 html 实体的类。

“HTMLEntities 是一个开源 Java 类，它包含一组静态方法（htmlentities、unhtmlentities...），用于将特殊字符和扩展字符转换为 HTML 实体，反之亦然。”

http://www.tecnick.com/public/code/cp_dpage.php?aiocp_dp=htmlentities

score 2 · Accepted Answer

或者你可以使用 unescapeHtml4：

    String miCadena="GU&#205;A TELEF&#211;NICA";
    System.out.println(StringEscapeUtils.unescapeHtml4(miCadena));

此代码打印行：GUÍA TELEFÓNICA

score 1 · Accepted Answer

正如@jem 建议的那样，可以使用 jsoup。

使用 jSoup 1.8.3 可以使用保留原始 html的Parser.unescapeEntities方法。

import org.jsoup.parser.Parser;
...
String html = Parser.unescapeEntities(original_html, false);

似乎在以前的某些版本中不存在此方法。

java - 使用 Java 标准库将 HTML 字符转换回文本

8 回答 8

Related

Reference