java如何反转义html

在Java中，反转义HTML通常指的是将HTML实体（如<、>等）转换回它们对应的字符（如<、>等），这在处理从网页抓取的数据时非常有用，因为网页内容中的一些特殊字符可能会被转义以防止浏览器解析错误，以下是如何在Java中实现HTML反转义的详细步骤：

1. 使用Apache Commons Text库

Apache Commons Text库提供了一个StringEscapeUtils类，它包含了许多用于处理字符串转义的方法，包括反转义HTML。

添加依赖

如果你使用Maven，可以在pom.xml文件中添加以下依赖：

<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commonstext</artifactId>
    <version>1.9</version> <!请检查最新版本 >
</dependency>

如果你使用Gradle，可以在build.gradle文件中添加：

implementation 'org.apache.commons:commonstext:1.9' // 请检查最新版本

使用StringEscapeUtils反转义HTML

import org.apache.commons.text.StringEscapeUtils;
public class HtmlUnescapeExample {
    public static void main(String[] args) {
        String htmlEntity = "<div>Hello, World!</div>";
        String text = StringEscapeUtils.unescapeHtml4(htmlEntity);
        System.out.println(text);  // 输出： <div>Hello, World!</div>
    }
}

2. 手动编写反转义函数

如果你不想引入外部库，可以手动编写一个简单的HTML反转义函数，这种方法可能不如使用成熟的库那样全面和健壮。

import java.util.HashMap;
import java.util.Map;
public class HtmlUnescapeManual {
    private static final Map<String, String> HTML_ENTITIES = new HashMap<>();
    static {
        HTML_ENTITIES.put("&amp;", "&");
        HTML_ENTITIES.put("&lt;", "<");
        HTML_ENTITIES.put("&gt;", ">");
        HTML_ENTITIES.put("&quot;", """);
        HTML_ENTITIES.put("&#39;", "'");
        // 可以继续添加更多HTML实体
    }
    public static String unescapeHtml(String html) {
        for (Map.Entry<String, String> entry : HTML_ENTITIES.entrySet()) {
            html = html.replace(entry.getKey(), entry.getValue());
        }
        return html;
    }
    public static void main(String[] args) {
        String htmlEntity = "&lt;div&gt;Hello, World!&lt;/div&gt;";
        String text = unescapeHtml(htmlEntity);
        System.out.println(text);  // 输出： <div>Hello, World!</div>
    }
}

归纳

使用Apache Commons Text库是反转义HTML的一个简单且可靠的方法。

如果不想引入外部依赖，可以手动编写反转义函数，但需要注意覆盖所有需要反转义的HTML实体。

在处理用户输入或从网络上获取的数据时，反转义功能是非常重要的，以确保数据的正确性和安全性。

在实际应用中，根据项目的需求和对外部依赖的接受程度，可以选择最适合的方法来实现HTML反转义。