Преобразование символа HTML обратно в текст с помощью стандартной библиотеки Java

Я хотел бы преобразовать некоторые символы HTML обратно в текст с помощью стандартной библиотеки Java. Мне было интересно, сможет ли какая-нибудь библиотека достичь моей цели?

/**
 * @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 & 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) {

    }
}

Ответов (8)

Решение

Я думаю, что библиотека StringEscapeUtils.unescapeHtml3() и unescapeHtml4() методы Apache Commons Lang - это то, что вы ищете. См. https://commons.apache.org/proper/commons-text/javadocs/api-release/org/apache/commons/text/StringEscapeUtils.html .

Здесь вам нужно просто добавить файл jar в lib jsoup в свое приложение, а затем использовать этот код.

import org.jsoup.Jsoup;

public class Encoder {
    public static void main(String args[]) {
        String s = Jsoup.parse("<Français>").text();
        System.out.print(s);
    }
}

Ссылка для скачивания jsoup: http://jsoup.org/download

Как предположил @jem, можно использовать jsoup.

В jSoup 1.8.3 возможно использование метода Parser.unescapeEntities, который сохраняет исходный html.

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

Похоже, что в каком-то предыдущем выпуске этого метода нет.

Или вы можете использовать unescapeHtml4:

    String miCadena="GUÍA TELEFÓNICA";
    System.out.println(StringEscapeUtils.unescapeHtml4(miCadena));

Этот код выведите строку: GUÍA TELEFÓNICA

Я не знаю, как это сделать с помощью стандартной библиотеки. Но я знаю и использую этот класс, который работает с HTML-объектами.

«HTMLEntities - это класс Java с открытым исходным кодом, который содержит набор статических методов (htmlentities, unhtmlentities, ...) для преобразования специальных и расширенных символов в объекты HTML и наоборот».

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

java.net.URLDecoderимеет дело только с application/x-www-form-urlencoded форматом MIME (например, "% 20" представляет пробел), а не с сущностями символов HTML . Я не думаю, что на платформе Java есть что-нибудь для этого. Вы можете написать свой собственный служебный класс для преобразования, как этот .

Декодер URL-адресов следует использовать только для декодирования строк из URL-адресов, сгенерированных html-формами, которые относятся к типу mime "application / x-www-form-urlencoded". Это не поддерживает символы HTML.

После поиска я нашел класс Translate в библиотеке HTML Parser .

Вы можете использовать класс org.apache.commons.lang.StringEscapeUtils:

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

Это работает.