java html实体化_如何在Java中解除HTML字符实体？

我在我的项目中尝试了ApacheCommonsStringEscapeUtils.unalieHtml 3()，但是对它的性能不满意。结果，它做了很多不必要的操作。首先，它为每个调用分配一个StringWriter，即使字符串中没有什么可取消的。我重写了不同的代码，现在它的工作速度要快得多。无论谁在谷歌上发现这一点，我们都欢迎使用它。

下面的代码取消所有HTML 3符号和数字转义符(等效于Apache unaway eHtml 3)。如果需要HTML 4，只需向地图中添加更多条目即可。package com.example;import java.io.StringWriter;import java.util.HashMap;public class StringUtils {

public static final String unescapeHtml3(final String input) {

StringWriter writer = null;

int len = input.length();

int i = 1;

int st = 0;

while (true) {

// look for '&'

while (i 

i++;

if (i >= len)

break;

// found '&', look for ';'

int j = i;

while (j 

j++;

if (j == len || j 

i++;

continue;

}

// found escape

if (input.charAt(i) == '#') {

// numeric escape

int k = i + 1;

int radix = 10;

final char firstChar = input.charAt(k);

if (firstChar == 'x' || firstChar == 'X') {

k++;

radix = 16;

}

try {

int entityValue = Integer.parseInt(input.substring(k, j), radix);

if (writer == null)

writer = new StringWriter(input.length());

writer.append(input.substring(st, i - 1));

if (entityValue > 0xFFFF) {

final char[] chrs = Character.toChars(entityValue);

writer.write(chrs[0]);

writer.write(chrs[1]);

} else {

writer.write(entityValue);

}

} catch (NumberFormatException ex) {

i++;

continue;

}

}

else {

// named escape

CharSequence value = lookupMap.get(input.substring(i, j));

if (value == null) {

i++;

continue;

}

if (writer == null)

writer = new StringWriter(input.length());

writer.append(input.substring(st, i - 1));

writer.append(value);

}

// skip escape

st = j + 1;

i = st;

}

if (writer != null) {

writer.append(input.substring(st, len));

return writer.toString();

}

return input;

}

private static final String[][] ESCAPES = {

{"\"",     "quot"}, // " - double-quote

{"&",      "amp"}, // & - ampersand

{"

{">",      "gt"}, // > - greater-than

// Mapping to escape ISO-8859-1 characters to their named HTML 3.x equivalents.

{"\u00A0", "nbsp"}, // non-breaking space

{"\u00A1", "iexcl"}, // inverted exclamation mark

{"\u00A2", "cent"}, // cent sign

{"\u00A3", "pound"}, // pound sign

{"\u00A4", "curren"}, // currency sign

{"\u00A5", "yen"}, // yen sign = yuan sign

{"\u00A6", "brvbar"}, // broken bar = broken vertical bar

{"\u00A7", "sect"}, // section sign

{"\u00A8", "uml"}, // diaeresis = spacing diaeresis

{"\u00A9", "copy"}, // © - copyright sign

{"\u00AA", "ordf"}, // feminine ordinal indicator

{"\u00AB", "laquo"}, // left-pointing double angle quotation mark = left pointing guillemet

{"\u00AC", "not"}, // not sign

{"\u00AD", "shy"}, // soft hyphen = discretionary hyphen

{"\u00AE", "reg"}, // ® - registered trademark sign

{"\u00AF", "macr"}, // macron = spacing macron = overline = APL overbar

{"\u00B0", "deg"}, // degree sign

{"\u00B1", "plusmn"}, // plus-minus sign = plus-or-minus sign

{"\u00B2", "sup2"}, // superscript two = superscript digit two = squared

{"\u00B3", "sup3"}, // superscript three = superscript digit three = cubed

{"\u00B4", "acute"}, // acute accent = spacing acute

{"\u00B5", "micro"}, // micro sign

{"\u00B6", "para"}, // pilcrow sign = paragraph sign

{"\u00B7", "middot"}, // middle dot = Georgian comma = Greek middle dot

{"\u00B8", "cedil"}, // cedilla = spacing cedilla

{"\u00B9", "sup1"}, // superscript one = superscript digit one

{"\u00BA", "ordm"}, // masculine ordinal indicator

{"\u00BB", "raquo"}, // right-pointing double angle quotation mark = right pointing guillemet

{"\u00BC", "frac14"}, // vulgar fraction one quarter = fraction one quarter

{"\u00BD", "frac12"}, // vulgar fraction one half = fraction one half

{"\u00BE", "frac34"}, // vulgar fraction three quarters = fraction three quarters

{"\u00BF", "iquest"}, // inverted question mark = turned question mark

{"\u00C0", "Agrave"}, // А - uppercase A, grave accent

{"\u00C1", "Aacute"}, // Б - uppercase A, acute accent

{"\u00C2", "Acirc"}, // В - uppercase A, circumflex accent

{"\u00C3", "Atilde"}, // Г - uppercase A, tilde

{"\u00C4", "Auml"}, // Д - uppercase A, umlaut

{"\u00C5", "Aring"}, // Е - uppercase A, ring

{"\u00C6", "AElig"}, // Ж - uppercase AE

{"\u00C7", "Ccedil"}, // З - uppercase C, cedilla

{"\u00C8", "Egrave"}, // И - uppercase E, grave accent

{"\u00C9", "Eacute"}, // Й - uppercase E, acute accent

{"\u00CA", "Ecirc"}, // К - uppercase E, circumflex accent

{"\u00CB", "Euml"}, // Л - uppercase E, umlaut

{"\u00CC", "Igrave"}, // М - uppercase I, grave accent

{"\u00CD", "Iacute"}, // Н - uppercase I, acute accent

{"\u00CE", "Icirc"}, // О - uppercase I, circumflex accent

{"\u00CF", "Iuml"}, // П - uppercase I, umlaut

{"\u00D0", "ETH"}, // Р - uppercase Eth, Icelandic

{"\u00D1", "Ntilde"}, // С - uppercase N, tilde

{"\u00D2", "Ograve"}, // Т - uppercase O, grave accent

{"\u00D3", "Oacute"}, // У - uppercase O, acute accent

{"\u00D4", "Ocirc"}, // Ф - uppercase O, circumflex accent

{"\u00D5", "Otilde"}, // Х - uppercase O, tilde

{"\u00D6", "Ouml"}, // Ц - uppercase O, umlaut

{"\u00D7", "times"}, // multiplication sign

{"\u00D8", "Oslash"}, // Ш - uppercase O, slash

{"\u00D9", "Ugrave"}, // Щ - uppercase U, grave accent

{"\u00DA", "Uacute"}, // Ъ - uppercase U, acute accent

{"\u00DB", "Ucirc"}, // Ы - uppercase U, circumflex accent

{"\u00DC", "Uuml"}, // Ь - uppercase U, umlaut

{"\u00DD", "Yacute"}, // Э - uppercase Y, acute accent

{"\u00DE", "THORN"}, // Ю - uppercase THORN, Icelandic

{"\u00DF", "szlig"}, // Я - lowercase sharps, German

{"\u00E0", "agrave"}, // а - lowercase a, grave accent

{"\u00E1", "aacute"}, // б - lowercase a, acute accent

{"\u00E2", "acirc"}, // в - lowercase a, circumflex accent

{"\u00E3", "atilde"}, // г - lowercase a, tilde

{"\u00E4", "auml"}, // д - lowercase a, umlaut

{"\u00E5", "aring"}, // е - lowercase a, ring

{"\u00E6", "aelig"}, // ж - lowercase ae

{"\u00E7", "ccedil"}, // з - lowercase c, cedilla

{"\u00E8", "egrave"}, // и - lowercase e, grave accent

{"\u00E9", "eacute"}, // й - lowercase e, acute accent

{"\u00EA", "ecirc"}, // к - lowercase e, circumflex accent

{"\u00EB", "euml"}, // л - lowercase e, umlaut

{"\u00EC", "igrave"}, // м - lowercase i, grave accent

{"\u00ED", "iacute"}, // н - lowercase i, acute accent

{"\u00EE", "icirc"}, // о - lowercase i, circumflex accent

{"\u00EF", "iuml"}, // п - lowercase i, umlaut

{"\u00F0", "eth"}, // р - lowercase eth, Icelandic

{"\u00F1", "ntilde"}, // с - lowercase n, tilde

{"\u00F2", "ograve"}, // т - lowercase o, grave accent

{"\u00F3", "oacute"}, // у - lowercase o, acute accent

{"\u00F4", "ocirc"}, // ф - lowercase o, circumflex accent

{"\u00F5", "otilde"}, // х - lowercase o, tilde

{"\u00F6", "ouml"}, // ц - lowercase o, umlaut

{"\u00F7", "divide"}, // division sign

{"\u00F8", "oslash"}, // ш - lowercase o, slash

{"\u00F9", "ugrave"}, // щ - lowercase u, grave accent

{"\u00FA", "uacute"}, // ъ - lowercase u, acute accent

{"\u00FB", "ucirc"}, // ы - lowercase u, circumflex accent

{"\u00FC", "uuml"}, // ь - lowercase u, umlaut

{"\u00FD", "yacute"}, // э - lowercase y, acute accent

{"\u00FE", "thorn"}, // ю - lowercase thorn, Icelandic

{"\u00FF", "yuml"}, // я - lowercase y, umlaut

};

private static final int MIN_ESCAPE = 2;

private static final int MAX_ESCAPE = 6;

private static final HashMap lookupMap;

static {

lookupMap = new HashMap();

for (final CharSequence[] seq : ESCAPES)

lookupMap.put(seq[1].toString(), seq[0]);

}}