Dart 净化国际文本答案

【问题标题】：Dart sanitize international textDart 净化国际文本
【发布时间】：2015-06-24 00:50:05
【问题描述】：

如何最好地清理文本，例如

abc&#39; a>b<c & a<b>c

转换/显示

abc&#39; a&gt;b&le;c &amp; a&le;b&gt;c

或明文

abc' a>b<c & a<b>c

这样我就可以使用它了

myDiv.innerHtml=...   or
myDiv.setInnerHtml(..., myValidator, mySantitizer);

文本赋值 myDiv.text=... 转换所有 & 和消除有效的撇号 &#39; - HtmlEscape.convert(..) 类/方法还转换所有 HtmlEscapeMode 中的所有 &。

可以编写我自己的 Sanitizer，但希望我忽略了一些标准库/调用。

【问题讨论】：

所以你想部分清理文本？为什么要将某些字符转换为 html 实体，而不要将其他字符转换为 html 实体？为什么输入文本包含一些“未经处理”的字符，而不包含其他字符？
翻译，例如来自谷歌翻译和其他通常包含某些 html 代码。我目前的解决方法是将其转换为 unicode，以便我可以将其分配给 myElement .text 。我希望我要么忽略了这样的库调用 - 或者有一个分配给 myElement .innerHtml 的解决方案

标签： internationalization dart dart-html

【解决方案1】：

经过一番思考，我意识到使用 Validators 或 HtmlEscape/Mode 并不是解决问题的最佳方法。

最初的问题是翻译引擎使用 '对于撇号 - 可能不要将它与滥用撇号作为单引号混淆。

总而言之，最好的解决方案是替换 '使用正确的 unicode 字符作为撇号，实际上是

NOT "\u{0027}" = ' = unicode 撇号 - 显示为（直）单引号
NOT "\u{2019}" = ' = unicode 右单（弯）引号 - 请参阅 http://www.fileformat.info/info/unicode/char/2019/index.htm
但 "\u{02BC}" = ʼ = 修饰字母撇号 - 显示为弯引号 - 请参阅 http://www.fileformat.info/info/unicode/char/02BC/index.htm

（正确的）撇号 U+0027 '不喜欢是因为字符字体（错误地）直接打印它 - 图形人真的很讨厌 - 就像直线一样“。

这样，您可以将翻译后的文本分配给 element.text，如果它包含有问题的字符，它们会被 Dart 自动转义 - 并且渲染得很好。

【讨论】：

【解决方案2】：

DartPad Link

RexExp for HTML Entity

import 'dart:html';
import 'dart:convert';

void main() {
  String htmlStr = r'abc&#39; a>b<c & a<b>' * 3;
  var reg = new RegExp(r"(.*?)(&#[1-9][0-9]{1,3}|[A-Za-z][0-9A-Za-z]+;)|(.*)");
  List<Match> matchs = reg.allMatches(htmlStr);
  var resStr = '';
  matchs.forEach((m) {
    var g1 = m.group(1);
    var g2 = m.group(2);
    var g3 = m.group(3);
    g1 = HTML_ESCAPE.convert(g1 == null ? '' : g1);
    g2 = g2 == null ? '' : g2;
    g3 = HTML_ESCAPE.convert(g3 == null ? '' : g3);
    resStr += g1 + g2 + g3;
  });
  print(resStr);
  document.body.setInnerHtml(resStr);
}

【讨论】：