如何解碼Java中的XHTML和/或HTML5實體？

我有包含XHTML字符實體某些字符串：如何解碼Java中的XHTML和/或HTML5實體？

"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."

有沒有簡單的方法來實體解碼？（我正在使用Java）

我目前使用StringEscapeUtils.unescapeHtml4(myString.replace("'", "\'"))作爲臨時黑客。不幸的是，org.apache.commons.lang3.StringEscapeUtils有unescapeHtml4和unescapeXML，但沒有unescapeXhtml。

編輯：我想處理無效的XML，比如我想「& &xyzzy;」解碼爲「& &xyzzy;」

編輯：我認爲HTML5具有幾乎相同的字符實體XHTML，所以我覺得HTML 解碼器也可以。

來源

2014-02-19 Karol S

XHTML和HTML實體是否等效？ –

提示：XHTML是有效的XML –

@SotiriosDelimanolis：不會。這是問題所在。 –

這可能不是直接相關的，但您可能希望採用JSoup，它可以處理類似於更高級別的事情。包含網頁清潔例程。

來源

2014-02-19 14:34:06 jmkgreen

謝謝，看起來不錯，但在我的使用情況下，這將是一個矯枉過正。 –

有沒有這樣的事情過度殺傷 - 只有問題和解決方案。 JSoup是一個比手動搜索和替換更好的解決方案。 – Gimby

如何解碼Java中的XHTML和/或HTML5實體？

回答

相關問題