java - 使用 Java 将 HTML 符号和 HTML 名称转换为 HTML 数字

Question

我有一个 XML，其中包含许多特殊符号，如 ®（HTML 编号 ®）等和 HTML 名称，如 ã（HTML 编号 ã）等。

我正在尝试使用 Java 将这些 HTML 符号和 HTML 名称替换为相应的 HTML 编号。为此，我首先将 XML 文件转换为字符串，然后使用 replaceAll 方法：

File fn = new File("myxmlfile.xml");
String content = FileUtils.readFileToString(fn);
content = content.replaceAll("®", "&\#174");
FileUtils.writeStringToFile(fn, content);

但这不起作用。

谁能告诉我该怎么做。

谢谢 ！！！

Answer 1

replaceAll 方法的签名是：

public String replaceAll(String regex, String replacement)

您必须小心，您的第一个参数是有效的正则表达式。Java Pattern类描述了 Java 正则表达式中使用的结构。

根据我在 Pattern 类描述中看到的内容，我看不出有什么问题：

content = content.replaceAll("®", "&\#174");

你可以试试：

content = content.replaceAll("\\p(®)", "&\#174");

看看是否效果更好。

Answer 2

我不认为 \# 是一个有效的转义序列。顺便说一句，“®”有什么问题？

Answer 3

如果您想要 HTML 数字，请先尝试转义为 XML。

使用来自 Apache Commons Lang 的 EscapeUtils。

Java 可能很难处理它，所以首先我更喜欢转义 Java，然后是 XML 或 HTML。

    String escapedStr= StringEscapeUtils.escapeJava(yourString);
    escapedStr= StringEscapeUtils.escapeXML(yourString);
    escapedStr= StringEscapeUtils.escapeHTML(yourString);