如何在 Java 中取消转义 HTML

文
章
目
录

• 1.使用StringEscapeUtils.unescapeHtml4()
• 2. 使用纯Java

学会取消转义字符串中的HTML字符。下面的示例将一个HTML字符串取消转义为包含与转义对应的实际Unicode字符的字符串。

1.使用StringEscapeUtils.unescapeHtml4()

StringEscapeUtils类是Apache 公共文本库的一部分，用于从 Maven 存储库导入其最新版本。

<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-text</artifactId>
    <version>1.10.0</version>
</dependency>

unescapeHtml4 ()方法：

• 将转义字符串作为参数。如果参数字符串为null则返回null。
• 支持所有已知的 HTML 4.0 实体。
• 如果一个实体未被识别，它就会被保留。

我们可以使用StringEscapeUtils.unescapeHtml4()如下方法：

String escapedString = \"<java>public static void main(String[] args) { ... }</java>\";
String unEscapedHTML = StringEscapeUtils.unescapeHtml4(escapedString);
System.out.println(unEscapedHTML);

程序输出：

<java>public static void main(String[] args) { ... }</java>

2. 使用纯Java

我们可以创建自定义方法来支持其他 HTML 实体或库不支持的自定义 HTML 实体。

以下方法接受输入字符串，搜索所有 HTML 实体并在找到时对它们进行取消转义。我们可以根据需要添加或删除更多实体。

private static HashMap<String, String> htmlEntities;
  static {
    htmlEntities = new HashMap<String, String>();
    htmlEntities.put(\"&lt;\", \"<\");
    htmlEntities.put(\"&gt;\", \">\");
    htmlEntities.put(\"&amp;\", \"&\");
    htmlEntities.put(\"&quot;\", \"\\\"\");
    htmlEntities.put(\"&nbsp;\", \" \");
    htmlEntities.put(\"&copy;\", \"\\u00a9\");
    htmlEntities.put(\"&reg;\", \"\\u00ae\");
    htmlEntities.put(\"&euro;\", \"\\u20a0\");
  }
  public static final String unescapeHTML(String source) {
    int i, j;
    boolean continueLoop;
    int skip = 0;
    do {
      continueLoop = false;
      i = source.indexOf(\"&\", skip);
      if (i > -1) {
        j = source.indexOf(\";\", i);
        if (j > i) {
          String entityToLookFor = source.substring(i, j + 1);
          String value = (String) htmlEntities.get(entityToLookFor);
          if (value != null) {
            source = source.substring(0, i)
                + value + source.substring(j + 1);
            continueLoop = true;
          } else if (value == null) {
            skip = i + 1;
            continueLoop = true;
          }
        }
      }
    } while (continueLoop);
    return source;
  }

我们可以使用上述方法来取消转义HTML：

String input = \"<java>public static void main(String[] args) { ... }</java>\";
String output = unescapeHtml(input);
System.out.println(output);

程序输出：

<java>public static void main(String[] args) { ... }</java>