Verwenden Sie JavaScript-Regex, um numerische HTML-Entitäten durch ihre tatsächlichen Zeichen zu ersetzen

Question

Ich versuche, JavaScript & regex zu verwenden, um numerische HTML-Entitäten durch ihre tatsächlichen Unicode-Zeichen zu ersetzen, z.

foo's bar 
→ 
foo's bar 

Das ist, was ich bisher habe:

"foo's bar".replace(/&#([^\s]*);/g, "$1"); // "foo39s bar" 

, das zu tun ist alles links ist die Zahl mit String.fromCharCode($1) zu ersetzen, aber ich kann nicht scheinen, um es zu bekommen zu arbeiten. Wie kann ich das machen?

Answer 1

"foo's bar".replace(/&#(\d+);/g, function(match, match2) {return String.fromCharCode(+match2);}) 

Answer 2

"foo's bar".replace(/&#([^\s]*);/g, function(x, y) { return String.fromCharCode(y) }) 

Erstes Argument (x) ist ein "'" im aktuellen Beispiel. y ist 39.

Answer 3

Wenn Sie nicht alle Entitäten definieren möchten, können Sie den Browser das für Sie tun lassen - dieses Bit erzeugt ein leeres p-Element, schreibt den HTML-Code und gibt den erzeugten Text zurück. Das Element p wird dem Dokument nie hinzugefügt.

function translateEntities(string){ 
    var text, p=document.createElement('p'); 
    p.innerHTML=string; 
    text= p.innerText || p.textContent; 
    p.innerHTML=''; 
    return text; 
} 
var s= 'foo's bar'; 
translateEntities(s); 

/* returned value: (String) 
foo's bar 
*/ 

Answer 4

Neben einer Callback-Funktion verwenden, können Sie das Hinzufügen der Unterstützung für hex Zeichenreferenzen berücksichtigen wollen (ሴ).

Auch fromCharCode kann nicht genug sein. Beispiel: 𐤀 ist ein gültiger Verweis auf ein phönizisches Zeichen, aber da es sich außerhalb der Basic Multilingual Plane befindet und das String-Modell von JavaScript auf UTF-16-Codeeinheiten basiert, werden keine vollständigen Zeichencodepunkte verwendet. fromCharCode(67840) funktioniert nicht. Sie benötigen einen UTF-16-Encoder, zum Beispiel:

String.fromCharCodePoint= function(/* codepoints */) { 
    var codeunits= []; 
    for (var i= 0; i<arguments.length; i++) { 
     var c= arguments[i]; 
     if (arguments[i]<0x10000) { 
      codeunits.push(arguments[i]); 
     } else if (arguments[i]<0x110000) { 
      c-= 0x10000; 
      codeunits.push((c>>10 & 0x3FF) + 0xD800); 
      codeunits.push((c&0x3FF) + 0xDC00); 
     } 
    } 
    return String.fromCharCode.apply(String, codeunits); 
}; 

function decodeCharacterReferences(s) { 
    return s.replace(/&#(\d+);/g, function(_, n) {; 
     return String.fromCharCodePoint(parseInt(n, 10)); 
    }).replace(/&#x([0-9a-f]+);/gi, function(_, n) { 
     return String.fromCharCodePoint(parseInt(n, 16)); 
    }); 
}; 

alert(decodeCharacterReferences('Hello &#x10900; mum &#67840;!'));