转义的 html 不会取消转义（现在：未转义的 html 不会转义回来）

html java character-encoding apache-commons

2022-09-03 15:31:25

所以我目前正在使用commons lang apache库。

当我尝试取消转义此字符串时：这将返回相同的字符串：😀😀

String characters = "&#128512;"
StringEscapeUtils.unescapeHtml(characters);

输出：😀

但是当我尝试用更少的字符来解开字符串的转义时，它的工作原理是：

String characters = "&#12851;"
StringEscapeUtils.unescapeHtml(characters);

输出：（社）

有什么想法吗？当我尝试在在线解转实用程序上解开这个字符串时，它有效，所以也许它是apache common langs库中的一个错误？或者任何人都可以推荐另一个图书馆吗？"😀"

谢谢。

更新：

我现在能够成功地解开字符串。现在的问题是，当我试图逃避这种不外景的结果时，它不会带回字符串（

答案 1

unescapeHtml()没有受到影响，因为 - 正如文档所说 - 它只取消了HTML 4.0实体，这些实体限制为65，536个字符。不幸的是，128，512远远超出了这一限制。😀

你试过使用吗？unescapeXml()

XML 最多支持 1，114，111 （10FFFFh）个字符实体（链接）。

答案 2

这是一个 unicode 字符，其索引为 - GRINNING FACEU+1F600 (128512)

有关详细信息，请参阅网址

您提到的字符串是U + 1F600的HTML Escape，如果您使用Apache commons lang取消它，它将按照屏幕截图中提供的方式绘制所需的笑脸。

从 U+0000 到 U+FFFF 的字符集有时称为基本多语言平面（BMP）。代码点大于 U+FFFF 的字符称为增补字符。Java 平台在 char 数组以及 String 和 StringBuffer 类中使用 UTF-16 表示形式。在此表示形式中，增补字符表示为一对 char 值，第一个来自高代理项范围（\uD800-\uDBFF），第二个来自低代理项范围（\uDC00-\uDFFF）。

关于您的更新，它没有转换回