问题解析 MHTML

Question

我能够使用this question 作为解析“mht”文件的起点，但锚标记中的“3D”（例如：<a href=3D"[my anchor]">[anchor text]></a>）会破坏所有内部链接和嵌入图像。我可以让解析器用“=”替换“=3D”（例如：<a href="[my anchor]">[anchor text]></a>），它似乎工作正常，但我想了解那个“元标记”的目的。

为什么从“.docx”导出到“.mht”会在大多数（如果不是全部）html 属性的右侧添加“3D”？是否有更好的方法来处理它们或替换它们时使用更好的正则表达式？

Answer 1

=3D 是quoted printable encoding 的结果。找到一个用于解码引用的可打印数据的 java 库应该不难。