- 背景:
- JQ的html()函数得到网页的html源码,而有时得到的文本中的中文会以HTML转义码的形式出现:如“转发”被编码成了“& #x8F6C;& #x53D1;”。(这里&和#之间加了空格,否则会直接显示为中文)
- 而使用text()函数又会丢失网页的元素信息,所以想原生的保留网页信息只能进行手工解码。
- 原理:
- 这种编码方式使用的编码为unicode,在&#和;之间的十六进制数即为该字符的unicode编码。
- 造轮子:
- String.fromCharCode()方法,该方法接受一个unicode值,返回该值代表的字符。
- JS字符串正则替换支持str.replace(reg, function(text){})的形式。
function decodeHtml(_str){
var s = _str.replace(/&#x[\dA-F]{2,4};/g, function(_hex){
return String.fromCharCode('0' + _hex.slice(2, -1));
});
return s;
}
原理都清楚了轮子也很简单
nodejs测试通过