如何將UTF-8解碼為HTML標簽

Question

我在數據庫中保存了一個HTML文檔，如下所示：

\\u003cp style=\\\"text-align: center; opacity: 1;\\\"\\u003e\\u003cstrong\\u003e\\u003cspan style=\\\"font-size: 18pt;\\\

我知道，這很丑陋，我知道，這不是理想的方式，但這是一個遺留系統。

我的任務是獲取所有這些HTML，並將它們轉換為Google文檔中的文檔。 實際上，Google文檔可以很好地將HTML解析為其內部格式，但是HTML必須是有效的HTML，使用<p>而不是\\\ 。

我正在嘗試將此字符串轉換/解碼/解析/轉換為有效的HTML，但是到目前為止，沒有任何運氣。

我已經嘗試過的事情

htmlentities gem，CGI解碼， Nokogiri::HTML.parse和JSON.parse ，但它們都沒有完成這項工作。

我也嘗試過string.encode(xxxx)但也沒有運氣。 我真的希望.encode方法可以做到，但我無法使其正常工作，也許我使用的編碼錯誤？ （我嘗試使用所有ISO-xxx編碼）

Answer 1

使用Array#pack ：

string = "\\u003cp style=\\\"text-align: center; opacity: 1;\\\"\\u003e\\u003cstrong\\u003e\\u003cspan style=\\\"font-size: 18pt;\\"

string.gsub(/\\u(....)/) { [$1.hex].pack("U") }
# => "<p style=\\\"text-align: center; opacity: 1;\\\"><strong><span style=\\\"font-size: 18pt;\\"

Answer 2

這是為您提供的快速解決方法：

input_string.gsub(/\\u(\h{4})/) { [$1.to_i(16)].pack('U') }

使用上面提供的示例輸入，結果如下：

"<p style=\\\"text-align: center; opacity: 1;\\\"><strong><span style=\\\"font-size: 18pt;\\"

---

說明：

\< == < 左側是轉義的unicode字符； 這與\\\< ，后者是字面反斜杠，后跟u003c 。

正則表達式\\\\u(\\h{4})將匹配該表達式的任何出現（ \\h代表“十六進制”，並且等效於[0-9a-fA-F] ），並且Array#pack轉換二進制序列（在這種情況下）轉換為UTF-8字符。

---

當然，理想情況下，您將從根本上解決問題，而不是重新設計這樣的解決方法。 但是，如果那超出了您的控制范圍，則必須有一種解決方法。