使用JavaScript正则表达式将数字HTML实体替换为其实际字符

Question

我正在尝试使用JavaScript和正则表达式将数字HTML实体替换为其实际的Unicode字符，例如

foo's bar
→
foo's bar

这是我到目前为止所得到的：

"foo's bar".replace(/&#([^\s]*);/g, "$1"); // "foo39s bar"

剩下要做的就是用String.fromCharCode($1)替换数字，但我似乎无法让它工作。 我怎样才能做到这一点？

Answer 1

"foo's bar".replace(/&#(\d+);/g, function(match, match2) {return String.fromCharCode(+match2);})

Answer 2

"foo's bar".replace(/&#([^\s]*);/g, function(x, y) { return String.fromCharCode(y) })

第一个参数（x）在当前示例中是“'”。 你是39岁。

Answer 3

除了使用回调函数之外，您可能还需要考虑添加对十六进制字符引用的支持（ ሴ ）。

此外， fromCharCode可能还不够。 例如𐤀 是对Phoenician字符的有效引用，但因为它在Basic Multilingual Plane之外，并且JavaScript的String模型基于UTF-16代码单元，而不是完整的字符代码点， fromCharCode(67840)将不起作用。 你需要一个UTF-16编码器，例如：

String.fromCharCodePoint= function(/* codepoints */) {
    var codeunits= [];
    for (var i= 0; i<arguments.length; i++) {
        var c= arguments[i];
        if (arguments[i]<0x10000) {
            codeunits.push(arguments[i]);
        } else if (arguments[i]<0x110000) {
            c-= 0x10000;
            codeunits.push((c>>10 & 0x3FF) + 0xD800);
            codeunits.push((c&0x3FF) + 0xDC00);
        }
    }
    return String.fromCharCode.apply(String, codeunits);
};

function decodeCharacterReferences(s) {
    return s.replace(/&#(\d+);/g, function(_, n) {;
        return String.fromCharCodePoint(parseInt(n, 10));
    }).replace(/&#x([0-9a-f]+);/gi, function(_, n) {
        return String.fromCharCodePoint(parseInt(n, 16));
    });
};

alert(decodeCharacterReferences('Hello &#x10900; mum &#67840;!'));

Answer 4

如果您不想定义所有实体，您可以让浏览器为您执行此操作 - 此位创建一个空的p元素，写入html并返回它生成的文本。 p元素永远不会添加到文档中。

function translateEntities(string){
    var text, p=document.createElement('p');
    p.innerHTML=string;
    text= p.innerText || p.textContent;
    p.innerHTML='';
    return text;
}
var s= 'foo's bar';
translateEntities(s);

/*  returned value: (String)
foo's bar
*/