用Java中的等效字符替换HTML代码 [英] Replace HTML codes with equivalent characters in Java

问题描述

目前我正在努力在java中转换具有等效字符的HTML代码。
我需要将以下代码转换为字符。

Currently I'm working on converting HTML codes with equivalent characters in java. I need to convert the below code to characters.

è - è
®   - ®
& - &
ñ - ñ
&   - &

我尝试使用正则表达式模式

I tried using the regex pattern

(&#x)([\\d|\\w]*)([\\d|\\w]*)([\\d|\\w]*)([\\d|\\w]*)(;)

当我调试时， matcher.find（）给我 true 但是控件跳过我编写转换代码的循环。不知道那里发生了什么。

When I debug, matcher.find() gives me true but the control skips the loop where I have written the code for conversion. Don't know what is happening there.

另外，有没有办法优化这个正则表达式？

Also, is there any way to optimize this regex?

任何帮助都表示赞赏。

异常

java.lang.NumberFormatException: For input string: "x26"
      at java.lang.NumberFormatException.forInputString(Unknown Source)
      at java.lang.Integer.parseInt(Unknown Source)
      at java.lang.Integer.parseInt(Unknown Source)
      at org.apache.commons.lang.Entities.unescape(Entities.java:683)
      at org.apache.commons.lang.StringEscapeUtils.unescapeHtml(StringEscapeUtils.java:483)

推荐答案

此外，有没有办法优化这个正则表达式？

Also, is there any way to optimize this regex?

是，不要使用正则表达式执行此任务，请使用Apache StringEscapeUtils 。阿帕奇.org / lang /> Apache commons lang ：

Yes, don't use regex for this task, use Apache StringEscapeUtils from Apache commons lang:

import org.apache.commons.lang.StringEscapeUtils;
...
String withCharacters = StringEscapeUtils.unescapeHtml(yourString);

JavaDoc说：

将包含实体转义的字符串Unescapes转换为包含
字符串的字符串，该字符串对应于转义符。支持
HTML 4.0实体。

Unescapes a string containing entity escapes to a string containing the actual Unicode characters corresponding to the escapes. Supports HTML 4.0 entities.

例如，字符串& lt; Fran& ccedil; ais& gt;将变为<Français>

如果实体无法识别，则为单独留下，并逐字插入结果字符串。例如& gt;& zzzz; x将变为>& zzzz; x。

If an entity is unrecognized, it is left alone, and inserted verbatim into the result string. e.g. ">&zzzz;x" will become ">&zzzz;x".

这篇关于用Java中的等效字符替换HTML代码的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！