Java - 名前付きHTMLエンティティを番号付きXMLエンティティに変換する

Question

HTMLエンティティを含むHTMLブロックを、番号付きXMLエンティティを使用するXML準拠ブロックに変換し、すべてのHTMLタグ要素をそのまま残したいと考えています。

これはテストを経て示す基本的な考え方です：

@Test 
public void testEvalHtmlEntitiesToXmlEntities() { 
    String input = "<a href=\"test.html\">link&nbsp;</a>"; 
    String expected = "<a href=\"test.html\">link&#160;</a>"; 
    String actual = SomeUtil.eval(input); 
    Assert.assertEquals(expected, actual); 
} 

は、この機能を提供するクラスを認識して誰ですか？私は非要素の試合を反復処理するために正規表現を記述して実行できます。

xlmString += StringEscapeUtils.escapeXml(StringEscapeUtils.unescapeHtml(htmlString)); 

が、もっと簡単な方法か、すでにこれを提供するクラスがある望みました。

Answer 1

JTidyで試したことがありますか？

private String cleanData(String data) throws UnsupportedEncodingException { 
    Tidy tidy = new Tidy(); 
    tidy.setInputEncoding("UTF-8"); 
    tidy.setOutputEncoding("UTF-8"); 
    tidy.setPrintBodyOnly(true); // only print the content 
    tidy.setXmlOut(true); // to XML 
    tidy.setSmartIndent(true); 
    ByteArrayInputStream inputStream = new ByteArrayInputStream(data.getBytes("UTF-8")); 
    ByteArrayOutputStream outputStream = new ByteArrayOutputStream(); 
    tidy.parseDOM(inputStream, outputStream); 
    return outputStream.toString("UTF-8"); 
} 

あなたのHTMLコードの一部が修復されると思いますが、

最新の質問

• 1.
• 2.
• 3.
• 4.
• 5.

 関連する問題

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.