java - 将 HTML 实体(如 &)转换为 Latex

Question

我正在编写一个应用程序，使用 Java 和 JSOAP 从网站上抓取一些文章。该应用程序将文章的某些部分编译为 .tex ( LaTeX ) 文档，然后使用 PDFLatex 将其转换为 PDF。

某些页面包含 HTML 实体，例如 & 或 "，这些实体会在 PDF 转换过程中导致错误。如何解决此问题？

Answer 1

This question on tex-exchange有一个链接到 neat conversion list 。这些列是(按顺序):

1. html 实体(忽略大小写)，不含 & 和 ;
2. 对应的unicode字符
3. 相应的 latex 命令(如果可用)。没有 \

以此列表为起点编写一些转换代码应该很容易。