java转换 HTML字符实体，java特殊字符转义字符串

为什么要用转义字符串？

HTML中<，>，&等有特殊含义（<，>，用于链接签，&用于转义），不能直接使用。这些符号是不显示在我们最终看到的网页里的，那如果我们希望在网页中显示这些符号，该怎么办呢？

这就要说到HTML转义字符串（Escape Sequence）了。

转义字符串（Escape Sequence）也称字符实体(Character Entity)。在HTML中，定义转义字符串的原因有两个：第一个原因是像“<”和“>”这类符号已经用来表示HTML标签，因此就不能直接当作文本中的符号来使用。为了在HTML文档中使用这些符号，就需要定义它的转义字符串。当解释程序遇到这类字符串时就把它解释为真实的字符。在输入转义字符串时，要严格遵守字母大小写的规则。第二个原因是，有些字符在ASCII字符集中没有定义，因此需要使用转义字符串来表示。

转义字符串的组成

转义字符串（Escape Sequence），即字符实体（Character Entity）分成三部分：第一部分是一个&符号，英文叫ampersand；第二部分是实体（Entity）名字或者是#加上实体（Entity）编号；第三部分是一个分号。

比如，要显示小于号（<），就可以写 &lt; 或者 < 。

用实体（Entity）名字的好处是比较好理解，一看lt，大概就猜出是less than的意思，但是其劣势在于并不是所有的浏览器都支持最新的Entity名字。而实体(Entity)编号，各种浏览器都能处理。

提示：实体名称（Entity）是区分大小写的。

备注：同一个符号，可以用“实体名称”和“实体编号”两种方式引用，“实体名称”的优势在于便于记忆，但不能保证所有的浏览器都能顺利识别它，而“实体编号”则没有这种担忧，但它实在不方便记忆。

如何显示空格？

通常情况下，HTML会自动截去多余的空格。不管你加多少空格，都被看做一个空格。比如你在两个字之间加了10个空格，HTML会截去9个空格，只保留一个。为了在网页中增加空格，你可以使用&nbsp;表示空格。

---

HTML特殊转义字符列表

最常用的字符实体
Character Entities

显示	说明	实体名称	实体编号
	半方大的空白	 
	全方大的空白	 
	不断行的空白格	 
<	小于	&lt;	<
>	大于	&gt;	>
&	&符号	&amp;	&
"	双引号	&quot;	"
©	版权	&copy;	©
®	已注册商标	&reg;	®
™	商标（美国）	™	™
×	乘号	&times;	×
÷	除号	&divide;	÷

ISO 8859-1 (Latin-1)字符集

HTML 4.01 支持 ISO 8859-1 (Latin-1) 字符集。

备注：为了方便起见，以下表格中，“实体名称”简称为“名称”，“实体编号”简称为“编号”

显示	名称	编号	显示	名称	编号	显示	名称	编号	显示	名称	编号	显示	名称	编号
	 		¡	¡	¡	¢	¢	¢	£	£	£	¤	¤	¤
¥	¥	¥	¦	¦	¦	§	§	§	¨	¨	¨	©	©	©
ª	ª	ª	«	«	«	¬	¬	¬		­		®	®	®
¯	¯	¯	°	°	°	±	±	±	²	²	²	³	³	³
´	´	´	µ	µ	µ	¶	¶	¶	·	·	·	¸	¸	¸
¹	¹	¹	º	º	º	»	»	»	¼	¼	¼	½	½	½
¾	¾	¾	¿	¿	¿	À	À	À	Á	Á	Á	Â	Â	Â
Ã	Ã	Ã	Ä	Ä	Ä	Å	Å	Å	Æ	Æ	Æ	Ç	Ç	Ç
È	È	È	É	É	É	Ê	Ê	Ê	Ë	Ë	Ë	Ì	Ì	Ì
Í	Í	Í	Î	Î	Î	Ï	Ï	Ï	Ð	Ð	Ð	Ñ	Ñ	Ñ
Ò	Ò	Ò	Ó	Ó	Ó	Ô	Ô	Ô	Õ	Õ	Õ	Ö	Ö	Ö
×	×	×	Ø	Ø	Ø	Ù	Ù	Ù	Ú	Ú	Ú	Û	Û	Û
Ü	Ü	Ü	Ý	Ý	Ý	Þ	Þ	Þ	ß	ß	ß	à	à	à
á	á	á	â	â	â	ã	ã	ã	ä	ä	ä	å	å	å
æ	æ	æ	ç	ç	ç	è	è	è	é	é	é	ê	ê	ê
ë	ë	ë	ì	ì	ì	í	í	í	î	î	î	ï	ï	ï
ð	ð	ð	ñ	ñ	ñ	ò	ò	ò	ó	ó	ó	ô	ô	ô
õ	õ	õ	ö	ö	ö	÷	÷	÷	ø	ø	ø	ù	ù	ù
ú	ú	ú	û	û	û	ü	ü	ü	ý	ý	ý	þ	þ	þ
ÿ	ÿ	ÿ

数学和希腊字母标志
symbols, mathematical symbols, and Greek letters

显示	名称	编号	显示	名称	编号	显示	名称	编号	显示	名称	编号	显示	名称	编号
ƒ	ƒ	ƒ	Α	Α	Α	Β	Β	Β	Γ	Γ	Γ	Δ	Δ	Δ
Ε	Ε	Ε	Ζ	Ζ	Ζ	Η	Η	Η	Θ	Θ	Θ	Ι	Ι	Ι
Κ	Κ	Κ	Λ	Λ	Λ	Μ	Μ	Μ	Ν	Ν	Ν	Ξ	Ξ	Ξ
Ο	Ο	Ο	Π	Π	Π	Ρ	Ρ	Ρ	Σ	Σ	Σ	Τ	Τ	Τ
Υ	Υ	Υ	Φ	Φ	Φ	Χ	Χ	Χ	Ψ	Ψ	Ψ	Ω	Ω	Ω
α	α	α	β	β	β	γ	γ	γ	δ	δ	δ	ε	ε	ε
ζ	ζ	ζ	η	η	η	θ	θ	θ	ι	ι	ι	κ	κ	κ
λ	λ	λ	μ	μ	μ	ν	ν	ν	ξ	ξ	ξ	ο	ο	ο
π	π	π	ρ	ρ	ρ	ς	ς	ς	σ	σ	σ	τ	τ	τ
υ	υ	υ	φ	φ	φ	χ	χ	χ	ψ	ψ	ψ	ω	ω	ω
?	ϑ	ϑ	?	ϒ	ϒ	?	ϖ	ϖ	•	•	•	…	…	…
′	′	′	″	″	″	‾	‾	‾	⁄	⁄	⁄	℘	℘	℘
ℑ	ℑ	ℑ	ℜ	ℜ	ℜ	™	™	™	ℵ	ℵ	ℵ	←	←	←
↑	↑	↑	→	→	→	↓	↓	↓	↔	↔	↔	↵	↵	↵
⇐	⇐	⇐	⇑	⇑	⇑	⇒	⇒	⇒	⇓	⇓	⇓	⇔	⇔	⇔
∀	∀	∀	∂	∂	∂	∃	∃	∃	∅	∅	∅	∇	∇	∇
∈	∈	∈	∉	∉	∉	∋	∋	∋	∏	∏	∏	∑	∑	∑
−	−	−	∗	∗	∗	√	√	√	∝	∝	∝	∞	∞	∞
∠	∠	∠	∧	∧	∧	∨	∨	∨	∩	∩	∩	∪	∪	∪
∫	∫	∫	∴	∴	∴	∼	∼	∼	∝	≅	≅	≈	≈	≈
≠	≠	≠	≡	≡	≡	≤	≤	≤	≥	≥	≥	⊂	⊂	⊂
⊃	⊃	⊃	⊄	⊄	⊄	⊆	⊆	⊆	⊇	⊇	⊇	⊕	⊕	⊕
⊗	⊗	⊗	⊥	⊥	⊥	⋅	⋅	⋅	?	⌈	⌈	?	⌉	⌉
?	⌊	⌊	?	⌋	⌋	?	⟨	⟨	?	⟩	⟩	◊	◊	◊
♠	♠	♠	♣	♣	♣	♥	♥	♥	♦	♦	♦

重要的国际标记
markup-significant and internationalization characters

显示	名称	编号	显示	名称	编号	显示	名称	编号	显示	名称	编号	显示	名称	编号
"	&quot;	"	&	&amp;	&	<	&lt;	<	>	&gt;	>	Œ	&OElig;	Œ
œ	&oelig;	œ	Š	&Scaron;	Š	š	&scaron;	š	Ÿ	&Yuml;	Ÿ	ˆ	&circ;	ˆ
˜	&tilde;	˜		&ensp;			&emsp;			&thinsp;		‌	&zwnj;	‌
‍	&zwj;	‍	‎	&lrm;	‎	‏	&rlm;	‏	–	&ndash;	–	—	&mdash;	—
‘	&lsquo;	‘	’	&rsquo;	’	‚	&sbquo;	‚	“	&ldquo;	“	”	&rdquo;	”
„	&bdquo;	„	†	&dagger;	†	‡	&Dagger;	‡	‰	&permil;	‰	‹	&lsaquo;	‹
›	&rsaquo;	›	€	&euro;	€

---

JavaScript转义符

转义序列	字符
\b	退格
\f	走纸换页
\n	换行
\r	回车
\t	横向跳格 (Ctrl-I)
\'	单引号
\"	双引号
\\	反斜杠

编程的时候要注意特殊字符的问题，很多运行时出现的问题都是因为特殊字符的出现而引起的。

注意，由于反斜杠本身用作转义符，因此不能直接在脚本中键入一个反斜杠。如果要产生一个反斜杠，必须一起键入两个反斜杠 (\\)。

---

 

编码转换（to Unicode）

（程序代码来源于网络）

Js版

<script>
                 test = "你好abc"
                 str = ""
                 for( i=0;    i<test.length; i++ )
                 {
                  temp = test.charCodeAt(i).toString(16);
                  str    += "\\u"+ new Array(5-String(temp).length).join("0") +temp;
                 }
                 document.write (str)
            </script>

vbs版

Function Unicode(str1)
                 Dim str,temp
                 str = ""
                 For i=1    to len(str1)
                  temp = Hex(AscW(Mid(str1,i,1)))
                  If len(temp) < 5 Then    temp = right("0000" & temp, 4)
                  str = str & "\u" & temp
                 Next
                 Unicode = str
            End Function

 

Function htmlentities(str)
                 For i = 1 to Len(str)
                     char = mid(str, i, 1)
                     If Ascw(char) > 128 then
                         htmlentities = htmlentities & "&#" & Ascw(char) & ";"
                     Else
                         htmlentities = htmlentities & char
                     End if
                 Next
            End Function

coldfusion版

function nochaoscode(str)
            {
                 var new_str = “”;
                 for(i=1; i lte len(str);i=i+1){
                     if(asc(mid(str,i,1)) lt 128){
                         new_str = new_str & mid(str,i,1);
                     }else{
                         new_str = new_str & “&##” & asc(mid(str,i,1));
                     }
                 }
                 return new_str;
            }

java版

/**
     * 
    *(特殊字符替换) 
    * @param  TODO
    * @return String    返回类型 
    * @author xsw
    * @2016-12-4下午03:10:03
     */
    public static String htmlReplace(String str){
        //str = str.replace("“", "“");
        //str = str.replace("”", "”");
        //str = str.replace(" ", " ");
        //str = str.replace("&", "&");
        //str = str.replace("'", "'");
        str = str.replace("’", "’");
        str = str.replace("—", "—");
        str = str.replace("–", "–");
        return str;
    }

 

或者java的org.apache.commons.lang3包有个StringEscapeUtils

StringEscapeUtils.unescapeHtml4（str）

 

附：

在php中我们可以用mbstring的mb_convert_encoding函数实现这个正向及反向的转化。 如：

 

mb_convert_encoding ("你好", "HTML-ENTITIES", "gb2312"); //输出：你好

mb_convert_encoding ("你好", "gb2312", "HTML-ENTITIES"); //输出：你好

如果需要对整个页面转化，则只需要在php文件的头部加上这三行代码：

mb_internal_encoding("gb2312"); // 这里的gb2312是你网站原来的编码

mb_http_output("HTML-ENTITIES");

ob_start('mb_output_handler');