如何解码HTML实体?

看一看 HTML::Entities :

use HTML::Entities;

my $html = "Snoopy & Charlie Brown";

print decode_entities($html), "\n";

你可以猜测输出。

上面的答案告诉您如何将实体解码为Perl字符串,但您还询问了如何将这些实体转换为 ASCII .

假设这确实是您想要的,并且您不需要所有Unicode字符,您可以查看 Text::Unidecode 从cpan到zap的模块将所有这些奇数字符返回到大致相似的ASCII字符集合中:

use Text::Unidecode qw(unidecode);
use HTML::Entities qw(decode_entities);

my $source = '北亰';  
print unidecode(decode_entities($source));

# That prints: Bei Jing 

请注意,也有十六进制指定字符。它们看起来像这样:&xe9;()。

使用html::entities'解码实体以将实体转换为实际字符。要将其转换为ASCII,需要做更多的工作。我使用了iconv(perl接口:text::iconv) 使用transliterate选项,在过去取得了一些成功。但如果你在交易 对于一组有限的实体,或者您实际上不需要将其缩减为ASCII等价物, 您最好限制解码实体生成的内容或为其提供自定义 转换映射。请参见html::entities文档。

有一些预定义的HTML实体- & " > 等等-你可以硬编码。

然而,数量实体的较大情况- { -会更加困难,因为这些价值观 Unicode ,到ASCII的转换范围从 困难的 到 不可能的 .