c++ - 替换 HTML 源代码中的特殊字符

Question

我是 HTML 编码的新手，我知道 HTML 有一些保留字符供其使用，它还通过字符代码显示一些字符。例如 -：

Œ  is   &#140;
©  is   &copy;
®  is    &reg;

我在 std::string 中有 HTML 源代码。我如何将它们破译成它们的实际形式并从 std::string 中替换？是否有任何可用源的库或可以使用宏预处理器来完成？

score 2 · Accepted Answer

我建议使用一些可以自动为您进行转换的 HTML/XML 解析器。手动正确解析 HTML 非常困难。如果你坚持自己做，Boost String Algorithms 库提供了有用的替换函数。

score 1 · Accepted Answer

Œ  is   &#140;

不，不是。是“部分线向后”。Œ 的正确数字实体是Œ和Œ。

score 0 · Accepted Answer

数字实体的一种方法是使用正则表达式，例如&#([0-9]+);，获取数值并将其转换为 ASCII 字符（可能sprintf在 C++ 中使用）。

对于命名实体，您需要构建一个映射。您可能可以做一个简单的字符串替换来转换为数字，然后使用上面的方法。W3C 在这里有一个表：http: //www.w3.org/TR/WD-html40-970708/sgml/entities.html

但是，如果您尝试读取或解析字符串中的一堆 HTML，则应该使用 HTML 解析器。搜索关于 SO 的许多问题。

3 回答 3