无法在 Java 字符串中保存 HTML 实体 - 非法字符

Question

我无法编译：

String[][] UMLAUT_REPLACEMENTS = {{"\u0022", """},{"\u0021", "!"}};

我尝试使用 \\ 转义特殊字符，但没有效果。

这是错误代码：

Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.1:compile (default-compile) on project opk-application-util: Compilation failure: Compilation failure: 
[ERROR] /C:/eplatform/git-repos/opk-backend/opk-application-util/src/main/java/util/SonderZeichenFilter.java:[50,41] '}' expected
[ERROR] /C:/eplatform/git-repos/opk-backend/opk-application-util/src/main/java/ch/opk/util/SonderZeichenFilter.java:[50,45] ';' expected
[ERROR] /C:/eplatform/git-repos/opk-backend/opk-application-util/src/main/java/ch/opk/util/SonderZeichenFilter.java:[50,46] illegal character: '#'
[ERROR] /C:/eplatform/git-repos/opk-backend/opk-application-util/src/main/java/ch/opk/util/SonderZeichenFilter.java:[50,47] ';' expected
[ERROR] /C:/eplatform/git-repos/opk-backend/opk-application-util/src/main/java/opk/util/SonderZeichenFilter.java:[50,50] unclosed string literal

Answer 1

在 Java 中，Unicode 转义序列 (\u<i>XXXX</i>) 作为 pre-processing 的一部分在处理字符串文字 escape sequences 之前处理。因此，当编译器处理"\u0022" 时，它实际上是在处理字符串文字"""，它是一个空字符串文字（两个双引号），后跟另一个字符串文字的开引号，因此导致错误“未关闭的字符串文字”，因为有是代码中的双引号数量不均。

这是导致 Javadoc 格式错误的一个常见原因（当作者想直接写 \u<i>XXXX</i> 但生成的 HTML 却包含相应的 Unicode 字符）并且大多数 IDE 也对此感到困惑（例如 \u0063lass MyClass {} 是有效的Java 源代码；\u0063 = c)。

在您的情况下，您可以使用特殊的转义序列\" 来编写文字"。这也将提高可读性，因为不是每个人都熟悉 " 的 Unicode 代码点。类似地，\u0021 可以写成!，因为该字符在 Java 字符串中没有特殊含义。因此，您的代码可以这样编写：

String[][] UMLAUT_REPLACEMENTS = {{"\"", """},{"!", "!"}};

---

如果您想在 Java 字符串中使用文字 \u<i>XXXX</i>，则必须通过在其前面加上另一个 \ 来转义反斜杠："\\u<i>XXXX</i>"

Answer 2

问题似乎是"\u0022" 字符串，因为java 编译器在有时会导致错误的代码解析之前将转义序列转换为UTF。

https://docs.oracle.com/javase/specs/jls/se8/html/jls-3.html#jls-3.10.6

Compile time error while adding unicode \u0022

所以，"\u0022" 必须替换为 "\""

Answer 3

我找到了解决办法！

所以，String[][] UMLAUT_REPLACEMENTS = {{"\u0022", """},{"\u0021", "!"}}; 不起作用的原因是，因为 \u0022 在编译时已经被解释为 "，这会引发错误，因为 """ 需要转义。

但是如果转义\u0022，就不会再被识别为字符了。

还有一个解决方案，我应用了。

---

顺便说一句，这个解决方案是屏蔽所有拉丁 ascii 字母的特殊字符，除了非常简单的字符。

首先，声明一个字符串数组：

    public String escapeHtml(String input) {

    String escapedHtml = input;

String[][] UMLAUT_REPLACEMENTS =
            {
                    {"\\u0021", "&33"},
                    {"\\u0022", "&#34"},
                    {"\\u0024", "&#36"},
                    {"\\u0025", "&#37"},
                    {"\\u0026", "&#38"},
                    {"\\u0027", "&#39"},
                    {"\\u0028", "&#40"},
};

然后，您查找字符以将它们替换为 HTML 实体，但使用 StringEscapeUtils.unescapeJava(INPUT) 取消转义 \uXXXX

    for (int i = 0; i < UMLAUT_REPLACEMENTS.length; i++) {
        String unescapedSign = StringEscapeUtils.unescapeJava(UMLAUT_REPLACEMENTS[i][0]);
        escapedHtml = escapedHtml.replace(unescapedSign, UMLAUT_REPLACEMENTS[i][1]);
    }


    return escapedHtml;


Thank you for your help!!