如何删除 Jsoup 中的 HTML 实体？答案

【问题标题】：How to remove HTML Entities in Jsoup?如何删除 Jsoup 中的 HTML 实体？
【发布时间】：2013-11-13 20:40:18
【问题描述】：

如何使用 Jsoup 删除 HTML 实体？如果我使用 Element.toString()，我会得到：

(...)
       <td>Letter &oacute;</td> //valid: <td>Letter ó</td>
(...)

【问题讨论】：

但我想在 toString() 中获取文本“字母 ó”

标签： java html jsoup

【解决方案1】：

这可能与您的问题上下文无关，但如果您只想解码 HTML 实体而不对字符串进行任何其他更改（无标记处理、无注释剥离等），您可以使用 org.jsoup.parser.Parser.unescapeEntities ，例如：

assert Parser.unescapeEntities("x &asymp; <i>y</i>\n", true)
    .equals("x ≈ <i>y</i>\n");

【讨论】：

【解决方案2】：

我相信您可以在创建 Jsoup 文档时指定编码，如下所示：

Document newDocument = Jsoup.parse(htmlString, StringUtils.EMPTY, Parser.htmlParser());
newDocument.outputSettings().escapeMode(EscapeMode.base);
newDocument.outputSettings().charset(CharEncoding.UTF_8);

【讨论】：

EscapeMode.base 不适用于 óąś，但我设置为 xhtml :) 谢谢
您需要使用这些设置，因为您可能会错过显示控制字符，例如 —例如（如果你当然关心那些:)）
EscapeMode.base 是默认的