Java: conversione di entità html denominate in entità xml numerate

Question

Sto cercando di convertire un blocco html che contiene entità html denominate in un blocco compatibile con xml che utilizza entità xml numerate lasciando al loro posto tutti gli elementi tag html.

Questa è l'idea di base illustrato tramite prova:

@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); 
} 

È qualcuno a conoscenza di una classe che fornisce questa funzionalità? Riesco a scrivere una regex per scorrere le partite non elemento e fare:

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

ma sperato c'è un modo più semplice o di una Classe che fornisce già questo.

Answer 1

Hai provato con JTidy?

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"); 
} 

Anche se penso che riparerà parte del codice HTML nel caso abbia qualcosa.

Ultima domanda

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

 Problemi correlati

• Nessun problema correlato^_^