如何在 C 中解码 HTML 实体？

Posted 2023-02-22

【中文标题】如何在 C 中解码 HTML 实体？

【英文标题】：How to decode HTML Entities in C?

【发布时间】：2009-07-04 12:54:20

【问题描述】：

我对取消转义文本感兴趣，例如：\ 映射到 C 中的 \。有人知道一个好的库吗？

参考***List of XML and html Character Entity References。

【参考方案1】：

有关 C 中解码这些 HTML 实体的另一个开源参考，您可以查看命令行实用程序 uni2ascii/ascii2uni。相关文件是用于实体查找的 enttbl.c,h 和从 UTF32 向下转换为 UTF8 的 putu8.c。

uni2ascii

【讨论】：

正是我想要的。

【参考方案2】：

我写了自己的 unescape 代码；非常简化，但确实有效：pn_util.c

【参考方案3】：

功能说明：将特殊的 HTML 实体转换回字符。 需要进行一些修改以满足您的要求。

char* HtmlSpecialChars_Decode(char* encodedHtmlSpecialEntities)

int encodedLen = 0;
int escapeArrayLen = 0;
static char decodedHtmlSpecialChars[TITLE_SIZE];
char innerHtmlSpecialEntities[MAX_CONFIG_ITEM_SIZE];

/* This mapping table can be extended if necessary. */
static const struct 
    const char* encodedEntity;
    const char decodedChar;
 entityToChars[] = 
        "&lt;", '<',
        "&gt;", '>',
        "&amp;", '&',
        "&quot;", '"',
        "&#039;", '\'',
    ;

if(strchr(encodedHtmlSpecialEntities, '&') == NULL)
    return encodedHtmlSpecialEntities;

memset(decodedHtmlSpecialChars, '\0', TITLE_SIZE);
memset(innerHtmlSpecialEntities, '\0', MAX_CONFIG_ITEM_SIZE);
escapeArrayLen = sizeof(entityToChars) / sizeof(entityToChars[0]);


strcpy(innerHtmlSpecialEntities, encodedHtmlSpecialEntities);
encodedLen = strlen(innerHtmlSpecialEntities);

for(int i = 0; i < encodedLen; i++)

    if(innerHtmlSpecialEntities[i] == '&')
    
        /* Potential encode char. */
        char * tempEntities = innerHtmlSpecialEntities + i;

        for(int j = 0; j < escapeArrayLen; j++)
        
            if(strncmp(tempEntities, entityToChars[j].encodedEntity, strlen(entityToChars[j].encodedEntity)) == 0)
            
                int index = 0;
                strncat(decodedHtmlSpecialChars, innerHtmlSpecialEntities, i);

                index = strlen(decodedHtmlSpecialChars);
                decodedHtmlSpecialChars[index] = entityToChars[j].decodedChar;
                if(strlen(tempEntities) > strlen(entityToChars[j].encodedEntity))
                
                    /* Not to the end, continue */
                    char temp[MAX_CONFIG_ITEM_SIZE] = '\0';
                    strcpy(temp, tempEntities + strlen(entityToChars[j].encodedEntity));
                    memset(innerHtmlSpecialEntities, '\0', MAX_CONFIG_ITEM_SIZE);
                    strcpy(innerHtmlSpecialEntities, temp);

                    encodedLen = strlen(innerHtmlSpecialEntities);
                    i = -1;
                
                else
                    encodedLen = 0;

                break;
            
        
    


if(encodedLen != 0)
    strcat(decodedHtmlSpecialChars, innerHtmlSpecialEntities);

return decodedHtmlSpecialChars;

【参考方案4】：

QString UNESC(const QString &txt) 
    QStringList bld;
    static QChar AMP = '&', SCL = ';';
    static QMap<QString, QString> dec = 
        "&lt;", "<", "&gt;", ">"
      , "&amp;", "&", "&quot;", R"(")", "&#039;", "'" ;

    if(!txt.contains(AMP))  return txt; 

    int bgn = 0, pos = 0;
    while((pos = txt.indexOf(AMP, pos)) != -1) 
        int end = txt.indexOf(SCL, pos)+1;
        QString val = dec[txt.mid(pos, end - pos)];

        bld << txt.mid(bgn, pos - bgn);

        if(val.isEmpty()) 
            end = txt.indexOf(AMP, pos+1);
            bld << txt.mid(pos, end - pos);
         else 
            bld << val;
        // else // if(val.isEmpty())

        bgn = end; pos = end;
    // while((pos = txt.indexOf(AMP, pos)) != -1)

    return bld.join(QString());
// UNESC