如何在Java中對html特殊字符進行轉義？

Question

我需要處理一些文本字符串，並且在字符串中有HTML特殊字符。 例如：

10����������������10������������������

我想將這些字符轉換為utf-8。

我使用了org.apache.commons.lang3.StringEscapeUtils.unescapeHtml4，但是沒有運氣。 有沒有簡單的方法來解決這個問題？

Answer 1

Apache commons-lang庫具有StringEscapeUtils類，該類具有unescapeHtml()實用程序方法。

String utf8Str = StringEscapeUtils.unescapeHtml(htmlStr);

您可能還需要unescapeXml()

Answer 2

@Bohemian的代碼正確，對我有用，您的未編碼字符串是10😭😭😂😂😂😂😢😂10😭😭😂😂😂😂😢😂😂。

現在，我要添加另一個答案，而不是對Bohemian的答案發表評論，因為還有兩件事需要提及：

1. 我將您的字符串復制粘貼到HTML代碼中，並且瀏覽器無法正確呈現您的字符，因為您的字符串編碼不正確，即，該字符串已分別為兩個字節的字符編碼了高替代字符和低替代字符，而不是編碼整個代碼點（似乎原始字符串是UTF-16編碼的字符串，也許是Java字符串？）。

2. 您希望將字符串重新編碼為UTF-8。

一旦您的String被StringEscapeUtils.unescapeHtml(htmlStr)取消編碼（盡管編碼不正確，它也成功地對字符串進行了取消編碼），談論“字符串編碼”就沒有多大意義，因為Java字符串“不了解”編碼。 （盡管它們內部使用UTF-16）。

如果需要一組包含UTF-8編碼的“字符串”的字節，則需要從編碼為UTF-8的字符串中獲取“原始”字節：

String javaStr = StringEscapeUtils.unescapeHtml(htmlStr);
byte[] rawUft8String = javaStr.getBytes("UTF-8");

並根據需要使用此類字節數組。

現在，如果您需要將UTF-8編碼的字符串寫入File，而不是該字節數組，則在創建適當的java.io.Writer時需要指定編碼。

嘗試使用以下代碼對字符串進行非編碼（首先更改文件路徑），然后在任何支持UTF-8的編輯器中打開生成的文件：

java.io.Writer方法（更好）：

public static void main(String[] args) throws IOException {

    String str = "10����������������10������������������";

    String javaString = StringEscapeUtils.unescapeHtml(str);

    try(Writer output = new OutputStreamWriter(
            new FileOutputStream("/path/to/testing.txt"), "UTF-8")) {
        output.write(javaString);
    }
}

java.io.OutputStream方法（如果您已經有一個“原始字符串”）：

public static void main(String[] args) throws IOException {

    String str = "10����������������10������������������";

    String javaString = StringEscapeUtils.unescapeHtml(str);

    try(OutputStream output = new FileOutputStream("/path/to/testing.txt")) {
        for (byte b : javaString.getBytes(Charset.forName("UTF-8"))) {
            output.write(b);
        }
    }

}