Haskell：删除字符串中的html字符实体答案

【问题标题】：Haskell: Remove html character entities in a stringHaskell：删除字符串中的html字符实体
【发布时间】：2011-05-12 05:14:13
【问题描述】：

我正在寻找一个包含 html 字符实体（例如 &nbsp; 等）的字符串，并将它们替换为文字字符串字符。我通过 twitter 的 api 获取数据，文本包含这些实体。有人知道这样做的现有图书馆吗？

感谢您的帮助！

【问题讨论】：

您是否会考虑更改接受的答案（这是一个已弃用的库，会遗漏许多实体）？

标签： html parsing haskell html-parsing

【解决方案1】：

hackage 上的 Web.Encodings 包看起来很有前景（decodeHtml 函数）：

http://hackage.haskell.org/packages/archive/web-encodings/0.3.0.2/doc/html/Web-Encodings.html

【讨论】：

请注意，它不支持所有 HTML 实体，仅支持一个子集 - 它会“吞下”任何它不知道的内容，即。它们会消失。
太完美了，非常感谢！请问你是怎么找到这个的？我发誓我进行了相当彻底的搜索（google、hoogle、hackage），但没有找到任何东西。
我在谷歌搜索“haskell 实体解码”，这是第二个条目。只是知道你想要一个“实体解码器”并了解 Haskell 的包库的问题，当然你已经知道了。 :-)
哈哈哈，太棒了。再次感谢！
@HaskellElephant：我在haskell-beginners mailing list 上看到a message，询问它被弃用的原因是什么。它提到了Text.XML.decodeHtmlEntities 例程，它是xml-conduit 包的一部分。虽然说它不起作用，但它应该可以处理基本的实体解码。

【解决方案2】：

我使用包tagsoup 中的函数构建了以下函数。它处理来自 HTML5 标准的所有命名和数字实体（超过 2000 个，see the list）。

import   qualified          Text.HTML.TagSoup as TS

decodeHTMLentities :: (StringLike str, Show str) => str -> str   
decodeHTMLentities s = TS.fromTagText $ head $ TS.parseTags s

StringLike 具有 String、Lazy 和 Strict ByteString 和 Text 的实例。

未知实体将保持不变。如果您想要关于未知实体的警告，请使用：

> parseTagsOptions parseOptions{optTagWarning=True} "&asdasd;"
[TagText "&asdasd;",TagWarning "Unknown entity: asdasd"]

【讨论】：

【解决方案3】：

你好，试试下面的代码就可以了

labelTR = labelTR.replace(/(?:&nbsp;|&amp;quot;)/g,'');

【讨论】：

我建议您查看有多少可能的实体：en.wikipedia.org/wiki/… 我不认为正则表达式是要走的路。此外，您的解决方案不在 haskell 中。
虽然这可能可行，但自己为此类任务编写函数并不是一个好主意。库总是包含更少的错误、错误等。