ASCII 到 HTML 实体在 Java 中转义

Question

我发现这个网站带有转义码，我只是想知道是否有人已经这样做了，所以我不必花费几个小时来构建这个逻辑：

 StringBuffer sb = new StringBuffer();
 int n = s.length();
 for (int i = 0; i < n; i++) {
     char c = s.charAt(i);
     switch (c) {
         case '\u25CF': sb.append("&#9679;"); break;
         case '\u25BA': sb.append("&#9658;"); break;

         /*
         ... the rest of the hex chars literals to HTML entities
         */  

         default:  sb.append(c); break;
     }
 }

Answer 1

这些“代码”只是实际字符的 unicode 值的十进制表示。在我看来，这样的事情会起作用，除非您想非常严格地确定哪些代码被转换，哪些不被转换。

StringBuilder sb = new StringBuilder();
 int n = s.length();
 for (int i = 0; i < n; i++) {
     char c = s.charAt(i);
     if (Character.UnicodeBlock.of(c) != Character.UnicodeBlock.BASIC_LATIN) {
        sb.append("&#");
        sb.append((int)c);
        sb.append(';');
     } else {
        sb.append(c);
     }

 }

Answer 2

其他答案不适用于代理对，例如如果您有诸如“?”之类的表情符号（请参阅character info）。以下是在 Java 8 中的操作方法：

StringBuilder sb = new StringBuilder();
s.codePoints().forEach(codePoint -> {
    if (Character.UnicodeBlock.of(codePoint) != Character.UnicodeBlock.BASIC_LATIN) {
        sb.append("&#");
        sb.append(codePoint);
        sb.append(';');
    } else {
        sb.appendCodePoint(codePoint);
    }
});

对于较旧的 Java：

StringBuilder sb = new StringBuilder();
for (int i = 0; i < s.length(); ) {
    int c = s.codePointAt(i);
    if (Character.UnicodeBlock.of(c) != Character.UnicodeBlock.BASIC_LATIN) {
        sb.append("&#");
        sb.append(c);
        sb.append(';');
    } else {
        sb.appendCodePoint(c);
    }
    i += Character.charCount(c);
}

测试解决方案是否正确处理代理对的一种简单方法是使用"\uD83D\uDE00" (?) 作为输入。如果输出是"��"，那就错了。正确的输出是😀。

Answer 3

嗯，如果你改为这样做会怎样：

if (c > 127) {
    sb.append("&#" + (int) c + ";");
} else {
    sb.append(c);
}

然后你只需要确定你希望 HTML 转义的字符范围。在这种情况下，我只是指定了 ASCII 表空间之外的任何字符。