java - 保持 html、css、javascript 或任何 不变，其余部分转换为 ASCII 字符

Question

我想保留 HTML、CSS、JS 或其他任何内容，并且将括号外的文本转换为 ASCII 字符。

例如寻找:<b>Hello World</b>
所需的输出是:<b> &#72;&#101;&#108;&#108;&#111; &#87;&#111;&#114;&#108;&#100; </b>

到目前为止我实验的是:我用 java 代码应用了 ASCII 字符，例如:str.replace("H", "H")但肯定它正在改变内部和外部标签:

<b>     Hello World </b>

它只打印<b>Hello World</b>而不是作为 html 代码应用。

我正在寻找解决方案，以保持 html、css、javascript 或任何内容不变，其余部分转换为 ASCII 字符

请注意:Hello World 是动态值

Answer 1

您可以使用 regex , (?<=>)([^<]*)(?=<)查找 HTML 标记之间的文本。提取文本后，您可以将其拆分为每个字符，然后将每个字符转换为 int以获得其 ASCII 值。

import java.util.Arrays;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.stream.Collectors;

public class Main {
    public static void main(String[] args) {
        String str = "<b>Hello World</b>";
        System.out.println(convert(str));
    }

    static String convert(String str) {
        String regex = "(?<=>)([^<]*)(?=<)";

        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(str);
        if (matcher.find()) {
            String match = matcher.group();
            if (!match.isBlank()) {
                return str.replaceAll(regex,
                        " " + Arrays.stream(match.split(""))
                                .map(s -> !" ".equals(s) ? ("&#" + (int) Character.valueOf(s.charAt(0)) + ";") : " ")
                                .collect(Collectors.joining()) + " ");
            }
        }

        return str;
    }
}

输出:

<b> &#72;&#101;&#108;&#108;&#111; &#87;&#111;&#114;&#108;&#100; </b>

---

regex101.com 对正则表达式的解释: