Xdocument - 如何转换非 html 安全字符答案

【问题标题】：Xdocument - how to convert non-html safe charactersXdocument - 如何转换非 html 安全字符
【发布时间】：2010-11-25 22:47:47
【问题描述】：

我的 UTF-8 xml 元素中有一个“title”属性，例如

<tag title="This is some test with special chars §£" />

由于我希望将此属性的内容直接打印在 HTML 页面中，因此我尝试输出如下：

<tag title="This is some test with special chars &#x00a7;&#x00a3;" />

我在其中添加属性的代码片段如下所示：

new XElement( "tag",
    new XAttribute( "title" , title)
);

& 和 " 等字符被转义，但 §£ 不是 - 因为它们是有效的 utf-8 字符。我应该改变什么？

【问题讨论】：

标签： c# xml linq-to-xml

【解决方案1】：

如果页面声明为 UTF-8，则 HTML 支持 UTF-8 字符。

您应该始终指定编码用于 HTML 或 XML 页面。如果你不要，你冒着这些角色的风险您的内容不正确解释。这不仅仅是一个问题人类可读性，越来越机器需要理解你的数据也。您还应该检查您是否没有指定不同的编码在不同的地方。

如果页面的默认编码是一个较小范围的字符集，则它不会正确呈现所有 UTF-8 字符。但是，如果文档被声明为 UTF-8，它们应该可以正常显示。

而不是用实体引用替换字符，you may need to explicitly declare the encoding of your page as UTF-8.

有多种方法可以做到这一点：

<meta charset="UTF-8">
<meta http-equiv="Content-type" content="text/html;charset=UTF-8">
<?xml version="1.0" encoding="UTF-8"?>

【讨论】：

有什么缺点吗？我正在考虑 IE/移动设备的兼容性。另外，你会推荐哪种方式？我会选择任何一个元标记，而不是最后一个，因为我认为它需要 XHTML
首选方法取决于您正在创建的内容（即 HTML 4、HTML 5、XHTML）。 HTML4 - 在 head 元素的顶部使用 pragma 指令。 <meta http-equiv="Content-type" content="text/html;charset=UTF-8">。我不知道同时使用两个元标记是否会“伤害”你的基地。
这听起来很有趣，但是从快速测试看来，至少 ffox 完全忽略了元标记并直接使用 content-type 标头编码。我想我需要改变它，没有办法绕过标题？

【解决方案2】：

也许您可以手动解码这些字符。我以前用过这个

 Dictionary<string, char> HTMLSymbolMap = new Dictionary<string, char>()
        {
            {"&#8211;",'–'},
            {"&#8212;",'—'},
            {"&#8216;",'‘'},
            {"&#8217;",'’'},
            {"&#8218;",'‚'},
            {"&#8220;",'“'},
            {"&#8221;",'”'},
            {"&#8226;",'•'},
            {"&#183;",'·'},
            {"&#8222;",'„'},                
            {"&#163;",'£'},
            {"&#167;",'§'},

        };

   public string CleanJunk(string docText)
    {


        foreach (var kv in HTMLSymbolMap)
        {
            docText = docText.Replace(kv.value.tostring(), kv.key);
        }

        return docText;

    }

更多信息请参考HTMLSymbol table

【讨论】：