老紫竹的替换HTMl里面等字符类 « 关注Java

公告:上个空间遭黑客攻击,刚恢复换了空间,数据全部丢失,我也尽力挽回了部分链接,请各位交换链接的博友,看到后留言给我。

老紫竹的替换HTMl里面<>等字符类

 

 

今天偶然看到很久前下的好像是老紫竹的一个项目,在看高手的代码时看到了这个HTMLDecoder类,想到以后肯定要的到,就先记下来。

 

 


package com.laozizhu.search.util;

 

import java.util.HashMap;

 

/**

 * 替换HTMl里面的字符 e.g.: &lt; &gt; &quot; &#229; &#1048; &#x6C34;

 * 

 * @author 老紫竹(laozizhu.com)

 */

public class HTMLDecoder {

 

  public static final HashMap<String, Character> charTable;

 

  public static String decode(String s) {

    String t;

    Character ch;

    int tmpPos, i;

 

    int maxPos = s.length();

    StringBuffer sb = new StringBuffer(maxPos);

    int curPos = 0;

    while (curPos < maxPos) {

      char c = s.charAt(curPos++);

      if (c == '&') {

        tmpPos = curPos;

        if (tmpPos < maxPos) {

          char d = s.charAt(tmpPos++);

          if (d == '#') {

            if (tmpPos < maxPos) {

              d = s.charAt(tmpPos++);

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

                if (tmpPos < maxPos) {

                  d = s.charAt(tmpPos++);

                  if (isHexDigit(d)) {

                    while (tmpPos < maxPos) {

                      d = s.charAt(tmpPos++);

                      if (!isHexDigit(d)) {

                        if (d == ';') {

                          t = s.substring(curPos + 2, tmpPos - 1);

                          try {

                            i = Integer.parseInt(t, 16);

                            if ((i >= 0) && (i < 65536)) {

                              c = (char) i;

                              curPos = tmpPos;

                            }

                          } catch (NumberFormatException e) {

                          }

                        }

                        break;

                      }

                    }

                  }

                }

              } else if (isDigit(d)) {

                while (tmpPos < maxPos) {

                  d = s.charAt(tmpPos++);

                  if (!isDigit(d)) {

                    if (d == ';') {

                      t = s.substring(curPos + 1, tmpPos - 1);

                      try {

                        i = Integer.parseInt(t);

                        if ((i >= 0) && (i < 65536)) {

                          c = (char) i;

                          curPos = tmpPos;

                        }

                      } catch (NumberFormatException e) {

                      }

                    }

                    break;

                  }

                }

              }

            }

          } else if (isLetter(d)) {

            while (tmpPos < maxPos) {

              d = s.charAt(tmpPos++);

              if (!isLetterOrDigit(d)) {

                if (d == ';') {

                  t = s.substring(curPos, tmpPos - 1);

                  ch = (Character) charTable.get(t);

                  if (ch != null) {

                    c = ch.charValue();

                    curPos = tmpPos;

                  }

                }

                break;

              }

            }

          }

        }

      }

      sb.append(c);

    }

    return sb.toString();

  }

 

  private static boolean isLetterOrDigit(char c) {

    return isLetter(c) || isDigit(c);

  }

 

  private static boolean isHexDigit(char c) {

    return isHexLetter(c) || isDigit(c);

  }

 

  private static boolean isLetter(char c) {

    return ((c >= 'a') && (c <= 'z')) || ((c >= 'A') && (c <= 'Z'));

  }

 

  private static boolean isHexLetter(char c) {

    return ((c >= 'a') && (c <= 'f')) || ((c >= 'A') && (c <= 'F'));

  }

 

  private static boolean isDigit(char c) {

    return (c >= '0') && (c <= '9');

  }

 

  public static String compact(String s) {

    int maxPos = s.length();

    StringBuffer sb = new StringBuffer(maxPos);

    int curPos = 0;

    while (curPos < maxPos) {

      char c = s.charAt(curPos++);

      if (isWhitespace(c)) {

        while ((curPos < maxPos) && isWhitespace(s.charAt(curPos))) {

          curPos++;

        }

        c = '\u0020';

      }

      sb.append(c);

    }

    return sb.toString();

  }

 

  // HTML is very particular about what constitutes white space.

  public static boolean isWhitespace(char ch) {

    return (ch == '\u0020') || (ch == '\r') || (ch == '\n') || (ch == '\u0009') || (ch == '\u000c') || (ch == '\u200b');

  }

 

  static {

    charTable = new HashMap<String, Character>();

    charTable.put("quot", new Character((char) 34));

    charTable.put("amp", new Character((char) 38));

    charTable.put("apos", new Character((char) 39));

    charTable.put("lt", new Character((char) 60));

    charTable.put("gt", new Character((char) 62));

    charTable.put("nbsp", new Character(' '));

    charTable.put("iexcl", new Character((char) 161));

    charTable.put("cent", new Character((char) 162));

    charTable.put("pound", new Character((char) 163));

    charTable.put("curren", new Character((char) 164));

    charTable.put("yen", new Character((char) 165));

    charTable.put("brvbar", new Character((char) 166));

    charTable.put("sect", new Character((char) 167));

    charTable.put("uml", new Character((char) 168));

    charTable.put("copy", new Character((char) 169));

    charTable.put("ordf", new Character((char) 170));

    charTable.put("laquo", new Character((char) 171));

    charTable.put("not", new Character((char) 172));

    charTable.put("shy", new Character((char) 173));

    charTable.put("reg", new Character((char) 174));

    charTable.put("macr", new Character((char) 175));

    charTable.put("deg", new Character((char) 176));

    charTable.put("plusmn", new Character((char) 177));

    charTable.put("sup2", new Character((char) 178));

    charTable.put("sup3", new Character((char) 179));

    charTable.put("acute", new Character((char) 180));

    charTable.put("micro", new Character((char) 181));

    charTable.put("para", new Character((char) 182));

    charTable.put("middot", new Character((char) 183));

    charTable.put("cedil", new Character((char) 184));

    charTable.put("sup1", new Character((char) 185));

    charTable.put("ordm", new Character((char) 186));

    charTable.put("raquo", new Character((char) 187));

    charTable.put("frac14", new Character((char) 188));

    charTable.put("frac12", new Character((char) 189));

    charTable.put("frac34", new Character((char) 190));

    charTable.put("iquest", new Character((char) 191));

    charTable.put("Agrave", new Character((char) 192));

    charTable.put("Aacute", new Character((char) 193));

    charTable.put("Acirc", new Character((char) 194));

    charTable.put("Atilde", new Character((char) 195));

    charTable.put("Auml", new Character((char) 196));

    charTable.put("Aring", new Character((char) 197));

    charTable.put("AElig", new Character((char) 198));

    charTable.put("Ccedil", new Character((char) 199));

    charTable.put("Egrave", new Character((char) 200));

    charTable.put("Eacute", new Character((char) 201));

    charTable.put("Ecirc", new Character((char) 202));

    charTable.put("Euml", new Character((char) 203));

    charTable.put("Igrave", new Character((char) 204));

    charTable.put("Iacute", new Character((char) 205));

    charTable.put("Icirc", new Character((char) 206));

    charTable.put("Iuml", new Character((char) 207));

    charTable.put("ETH", new Character((char) 208));

    charTable.put("Ntilde", new Character((char) 209));

    charTable.put("Ograve", new Character((char) 210));

    charTable.put("Oacute", new Character((char) 211));

    charTable.put("Ocirc", new Character((char) 212));

    charTable.put("Otilde", new Character((char) 213));

    charTable.put("Ouml", new Character((char) 214));

    charTable.put("times", new Character((char) 215));

    charTable.put("Oslash", new Character((char) 216));

    charTable.put("Ugrave", new Character((char) 217));

    charTable.put("Uacute", new Character((char) 218));

    charTable.put("Ucirc", new Character((char) 219));

    charTable.put("Uuml", new Character((char) 220));

    charTable.put("Yacute", new Character((char) 221));

    charTable.put("THORN", new Character((char) 222));

    charTable.put("szlig", new Character((char) 223));

    charTable.put("agrave", new Character((char) 224));

    charTable.put("aacute", new Character((char) 225));

    charTable.put("acirc", new Character((char) 226));

    charTable.put("atilde", new Character((char) 227));

    charTable.put("auml", new Character((char) 228));

    charTable.put("aring", new Character((char) 229));

    charTable.put("aelig", new Character((char) 230));

    charTable.put("ccedil", new Character((char) 231));

    charTable.put("egrave", new Character((char) 232));

    charTable.put("eacute", new Character((char) 233));

    charTable.put("ecirc", new Character((char) 234));

    charTable.put("euml", new Character((char) 235));

    charTable.put("igrave", new Character((char) 236));

    charTable.put("iacute", new Character((char) 237));

    charTable.put("icirc", new Character((char) 238));

    charTable.put("iuml", new Character((char) 239));

    charTable.put("eth", new Character((char) 240));

    charTable.put("ntilde", new Character((char) 241));

    charTable.put("ograve", new Character((char) 242));

    charTable.put("oacute", new Character((char) 243));

    charTable.put("ocirc", new Character((char) 244));

    charTable.put("otilde", new Character((char) 245));

    charTable.put("ouml", new Character((char) 246));

    charTable.put("divide", new Character((char) 247));

    charTable.put("oslash", new Character((char) 248));

    charTable.put("ugrave", new Character((char) 249));

    charTable.put("uacute", new Character((char) 250));

    charTable.put("ucirc", new Character((char) 251));

    charTable.put("uuml", new Character((char) 252));

    charTable.put("yacute", new Character((char) 253));

    charTable.put("thorn", new Character((char) 254));

    charTable.put("yuml", new Character((char) 255));

    charTable.put("OElig", new Character((char) 338));

    charTable.put("oelig", new Character((char) 339));

    charTable.put("Scaron", new Character((char) 352));

    charTable.put("scaron", new Character((char) 353));

    charTable.put("fnof", new Character((char) 402));

    charTable.put("circ", new Character((char) 710));

    charTable.put("tilde", new Character((char) 732));

    charTable.put("Alpha", new Character((char) 913));

    charTable.put("Beta", new Character((char) 914));

    charTable.put("Gamma", new Character((char) 915));

    charTable.put("Delta", new Character((char) 916));

    charTable.put("Epsilon", new Character((char) 917));

    charTable.put("Zeta", new Character((char) 918));

    charTable.put("Eta", new Character((char) 919));

    charTable.put("Theta", new Character((char) 920));

    charTable.put("Iota", new Character((char) 921));

    charTable.put("Kappa", new Character((char) 922));

    charTable.put("Lambda", new Character((char) 923));

    charTable.put("Mu", new Character((char) 924));

    charTable.put("Nu", new Character((char) 925));

    charTable.put("Xi", new Character((char) 926));

    charTable.put("Omicron", new Character((char) 927));

    charTable.put("Pi", new Character((char) 928));

    charTable.put("Rho", new Character((char) 929));

    charTable.put("Sigma", new Character((char) 931));

    charTable.put("Tau", new Character((char) 932));

    charTable.put("Upsilon", new Character((char) 933));

    charTable.put("Phi", new Character((char) 934));

    charTable.put("Chi", new Character((char) 935));

    charTable.put("Psi", new Character((char) 936));

    charTable.put("Omega", new Character((char) 937));

    charTable.put("alpha", new Character((char) 945));

    charTable.put("beta", new Character((char) 946));

    charTable.put("gamma", new Character((char) 947));

    charTable.put("delta", new Character((char) 948));

    charTable.put("epsilon", new Character((char) 949));

    charTable.put("zeta", new Character((char) 950));

    charTable.put("eta", new Character((char) 951));

    charTable.put("theta", new Character((char) 952));

    charTable.put("iota", new Character((char) 953));

    charTable.put("kappa", new Character((char) 954));

    charTable.put("lambda", new Character((char) 955));

    charTable.put("mu", new Character((char) 956));

    charTable.put("nu", new Character((char) 957));

    charTable.put("xi", new Character((char) 958));

    charTable.put("omicron", new Character((char) 959));

    charTable.put("pi", new Character((char) 960));

    charTable.put("rho", new Character((char) 961));

    charTable.put("sigmaf", new Character((char) 962));

    charTable.put("sigma", new Character((char) 963));

    charTable.put("tau", new Character((char) 964));

    charTable.put("upsilon", new Character((char) 965));

    charTable.put("phi", new Character((char) 966));

    charTable.put("chi", new Character((char) 967));

    charTable.put("psi", new Character((char) 968));

    charTable.put("omega", new Character((char) 969));

    charTable.put("thetasym", new Character((char) 977));

    charTable.put("upsih", new Character((char) 978));

    charTable.put("piv", new Character((char) 982));

    charTable.put("ensp", new Character((char) 8194));

    charTable.put("emsp", new Character((char) 8195));

    charTable.put("thinsp", new Character((char) 8201));

    charTable.put("zwnj", new Character((char) 8204));

    charTable.put("zwj", new Character((char) 8205));

    charTable.put("lrm", new Character((char) 8206));

    charTable.put("rlm", new Character((char) 8207));

    charTable.put("ndash", new Character((char) 8211));

    charTable.put("mdash", new Character((char) 8212));

    charTable.put("lsquo", new Character((char) 8216));

    charTable.put("rsquo", new Character((char) 8217));

    charTable.put("sbquo", new Character((char) 8218));

    charTable.put("ldquo", new Character((char) 8220));

    charTable.put("rdquo", new Character((char) 8221));

    charTable.put("bdquo", new Character((char) 8222));

    charTable.put("dagger", new Character((char) 8224));

    charTable.put("Dagger", new Character((char) 8225));

    charTable.put("bull", new Character((char) 8226));

    charTable.put("hellip", new Character((char) 8230));

    charTable.put("permil", new Character((char) 8240));

    charTable.put("prime", new Character((char) 8242));

    charTable.put("Prime", new Character((char) 8243));

    charTable.put("lsaquo", new Character((char) 8249));

    charTable.put("rsaquo", new Character((char) 8250));

    charTable.put("oline", new Character((char) 8254));

    charTable.put("frasl", new Character((char) 8260));

    charTable.put("euro", new Character((char) 8364));

    charTable.put("image", new Character((char) 8465));

    charTable.put("weierp", new Character((char) 8472));

    charTable.put("real", new Character((char) 8476));

    charTable.put("trade", new Character((char) 8482));

    charTable.put("alefsym", new Character((char) 8501));

    charTable.put("larr", new Character((char) 8592));

    charTable.put("uarr", new Character((char) 8593));

    charTable.put("rarr", new Character((char) 8594));

    charTable.put("darr", new Character((char) 8595));

    charTable.put("harr", new Character((char) 8596));

    charTable.put("crarr", new Character((char) 8629));

    charTable.put("lArr", new Character((char) 8656));

    charTable.put("uArr", new Character((char) 8657));

    charTable.put("rArr", new Character((char) 8658));

    charTable.put("dArr", new Character((char) 8659));

    charTable.put("hArr", new Character((char) 8660));

    charTable.put("forall", new Character((char) 8704));

    charTable.put("part", new Character((char) 8706));

    charTable.put("exist", new Character((char) 8707));

    charTable.put("empty", new Character((char) 8709));

    charTable.put("nabla", new Character((char) 8711));

    charTable.put("isin", new Character((char) 8712));

    charTable.put("notin", new Character((char) 8713));

    charTable.put("ni", new Character((char) 8715));

    charTable.put("prod", new Character((char) 8719));

    charTable.put("sum", new Character((char) 8721));

    charTable.put("minus", new Character((char) 8722));

    charTable.put("lowast", new Character((char) 8727));

    charTable.put("radic", new Character((char) 8730));

    charTable.put("prop", new Character((char) 8733));

    charTable.put("infin", new Character((char) 8734));

    charTable.put("ang", new Character((char) 8736));

    charTable.put("and", new Character((char) 8743));

    charTable.put("or", new Character((char) 8744));

    charTable.put("cap", new Character((char) 8745));

    charTable.put("cup", new Character((char) 8746));

    charTable.put("int", new Character((char) 8747));

    charTable.put("there4", new Character((char) 8756));

    charTable.put("sim", new Character((char) 8764));

    charTable.put("cong", new Character((char) 8773));

    charTable.put("asymp", new Character((char) 8776));

    charTable.put("ne", new Character((char) 8800));

    charTable.put("equiv", new Character((char) 8801));

    charTable.put("le", new Character((char) 8804));

    charTable.put("ge", new Character((char) 8805));

    charTable.put("sub", new Character((char) 8834));

    charTable.put("sup", new Character((char) 8835));

    charTable.put("nsub", new Character((char) 8836));

    charTable.put("sube", new Character((char) 8838));

    charTable.put("supe", new Character((char) 8839));

    charTable.put("oplus", new Character((char) 8853));

    charTable.put("otimes", new Character((char) 8855));

    charTable.put("perp", new Character((char) 8869));

    charTable.put("sdot", new Character((char) 8901));

    charTable.put("lceil", new Character((char) 8968));

    charTable.put("rceil", new Character((char) 8969));

    charTable.put("lfloor", new Character((char) 8970));

    charTable.put("rfloor", new Character((char) 8971));

    charTable.put("lang", new Character((char) 9001));

    charTable.put("rang", new Character((char) 9002));

    charTable.put("loz", new Character((char) 9674));

    charTable.put("spades", new Character((char) 9824));

    charTable.put("clubs", new Character((char) 9827));

    charTable.put("hearts", new Character((char) 9829));

    charTable.put("diams", new Character((char) 9830));

  }

}

 
声明:本文采用 BY-NC-SA 协议进行授权,本文链接:老紫竹的替换HTMl里面<>等字符类