Jsoup gặp sự cố với các ký hiệu HTML đặc biệt, ‘ — vv

Question

Tôi có một số HTML (Chuỗi) mà tôi đưa vào Jsoup để tôi có thể thêm nội dung nào đó vào tất cả thuộc tính href và src. Tuy nhiên, tôi nhận thấy rằng đối với một số ký tự HTML đặc biệt, Jsoup đang chuyển đổi chúng từ nói “ thành ký tự thực tế “. Tôi đưa ra giá trị trước và sau và tôi thấy thay đổi đó.

Trước:

THIS — IS A “TEST”. 5 > 4. trademark: ™ 

Sau:

THIS — IS A “TEST”. 5 > 4. trademark: ? 

Cái quái gì đang xảy ra? Tôi đã đặc biệt chuyển đổi các ký tự đặc biệt này thành các thực thể HTML của họ trước bất kỳ công cụ Jsoup nào để tránh điều này. Các dấu ngoặc kép đã thay đổi thành các ký tự trích dẫn thực tế, giá trị lớn hơn so với vẫn giữ nguyên và nhãn hiệu đã thay đổi thành dấu chấm hỏi. Aaaaaaa.

FYI, mã Jsoup tôi đang làm:

Document document = Jsoup.parse(fileHtmlStr); 
//some stuff 
String modifiedFileHtmlStr = document.html(); 

Nhờ sự giúp đỡ!

Answer 1

Mã bên dưới sẽ tương tự như đánh dấu đầu vào. Nó thay đổi chế độ thoát cho các ký tự cụ thể và đặt chế độ ASCII để thoát khỏi dấu hiệu TM cho các hệ thống không hỗ trợ Unicode.

Sản lượng:

<p>THIS &mdash; IS A &ldquo;TEST&rdquor;&period; 5 &gt; 4&period; trademark&colon; &#x99;</p> 

Mã:

Document doc = Jsoup.parse("" + 
    "<p>THIS &mdash; IS A &ldquo;TEST&rdquo;. 5 &gt; 4. trademark: &#153;</p>"); 

Document.OutputSettings settings = doc.outputSettings(); 

settings.prettyPrint(false); 
settings.escapeMode(Entities.EscapeMode.extended); 
settings.charset("ASCII"); 

String modifiedFileHtmlStr = doc.html(); 

System.out.println(modifiedFileHtmlStr);