Преобразование HTML entities в Java: аналог .NET HtmlDecode

Быстрый ответ

Если вы хотите узнать, как можно выполнить декодирование HTML в Java, то мы сразу предлагаем вам решение – метод StringEscapeUtils.unescapeHtml4() из библиотеки Apache Commons Text.

import org.apache.commons.text.StringEscapeUtils;

String unescapedHtml = StringEscapeUtils.unescapeHtml4("<div>Демо</div>");
System.out.println(unescapedHtml); // <div>Демо</div>

Вы с лёгкостью сможете добавить эту библиотеку в свой проект через Maven или Gradle.

Универсальное решение: Jsoup

Jsoup – это мощный инструмент, который позволяет не только проводить декодирование HTML-сущностей, но также выполнять различные операции с HTML, включая очистку и парсинг. Эта библиотека будет особенно полезна при веб-скрейпинге и санитизации данных.

import org.jsoup.Jsoup;

String unescapedHtml = Jsoup.parse("<p>Привет, мир!</p>").text();
System.out.println(unescapedHtml); // Привет, мир!

Работа со старыми версиями HTML: HTML 3.x

Если вам приходится работать со старыми версиями HTML, такими как HTML 3.x, то в этом случае будет полезен метод StringEscapeUtils.unescapeHtml3().

import org.apache.commons.text.StringEscapeUtils;

String unescapedHtml3 = StringEscapeUtils.unescapeHtml3("<Старый HTML>");
System.out.println(unescapedHtml3); // <Старый HTML>

Вариант для проектов на Spring: HtmlUtils

Если ваш проект использует Spring Framework, то для удобства работы с HTML вам предлагается использовать инструмент HtmlUtils.htmlUnescape(), который идеально интегрируется в экосистему Spring.

import org.springframework.web.util.HtmlUtils;

String unescapedHtmlSpring = HtmlUtils.htmlUnescape("<span>Сила Spring</span>");
System.out.println(unescapedHtmlSpring); // <span>Сила Spring</span>

Еще один инструмент для вашего Arsenal: unbescape

Библиотека unbescape предлагает вам ещё один способ декодирования HTML-сущностей, аналогичный функции HttpUtility.HtmlDecode из .NET.

import org.unbescape.html.HtmlEscape;

String unescapedHtmlUnbescape = HtmlEscape.unescapeHtml("<ul><li>Магия unbescape</li></ul>");
System.out.println(unescapedHtmlUnbescape); // <ul><li>Магия unbescape</li></ul>

Ваш персонализованный подход: Пользовательские HTML-сущности

С использованием Apache Commons вы можете создать механизм поиска для обработки нестандартных HTML-сущностей, применяя пользовательский набор символов.

import org.apache.commons.text.translate.CharSequenceTranslator;
import org.apache.commons.text.translate.LookupTranslator;

Map<CharSequence, CharSequence> customMap = new HashMap<>();
customMap.put("&apos;", "'");
customMap.put("&euro;", "€");

CharSequenceTranslator customUnescaper = new LookupTranslator(Collections.unmodifiableMap(customMap));
String customUnescapedHtml = customUnescaper.translate("&apos;&euro;");
System.out.println(customUnescapedHtml); // '€

Визуализация

Теперь мы больше не будем замешкаться на сложных символах:

Перед декодированием: "Шоколадный торт с <яйцами> и &молоком&." После декодирования: "Шоколадный торт с <яйцами> и &молоком&."

Мы используем декодер, чтобы расшифровать строение кода:

Декодер:

• < декодируется в <
• > декодируется в >
• & декодируется в &

Ожидаем отзывов о вашем опыте использования! 🍰🥚🥛

Не только именованные, но и числовые HTML-сущности: Разнообразие сценариев

В мире HTML, помимо именованных сущностей (например, <), следует учитывать также числовые (например, < для <). Apache Commons и jsoup успешно справятся с обоими типами сущностей.

String namedEntity = "©"; // ©
String numericEntity = "©"; // также ©

Присоединяйтесь к движению Open Source: Инструменты

Описанные в этом руководстве инструменты – Apache Commons Text, Jsoup, HtmlUtils от Spring и unbescape – являются открытыми проектами. Они развиваются силами сообщества и доступны для использования в ваших проектах.

Полезные материалы

1. StringEscapeUtils (API Apache Commons Text 1.9) – использование Apache Commons Text для работы с HTML.
2. OWASP Java HTML Sanitizer | OWASP Foundation – защита от уязвимостей в HTML с помощью OWASP Sanitizer.
3. jsoup: Java HTML parser – jsoup для парсинга, очистки и скрепинга HTML.
4. GitHub – OWASP/java-html-sanitizer – настраиваемый HTML-санитайзер на GitHub.
5. HtmlUtils (API Spring Framework 6.1.3) – HtmlUtils от Spring для работы с HTML в Spring-приложениях.