Java中UTF-8解码失败：如何将HTML字符实体还原为日文？

直接使用getBytes(UTF-8)无法解决这个问题，因为年这类是HTML对Unicode码点的转义字符串，不属于字节编码层面的问题，需要通过HTML实体解析逻辑来转换。以下是两种可行的解决方案：

方案1：使用Java内置工具类（无需第三方依赖） #

借助Swing中的HTMLEditorKit和ParserDelegator来解析HTML实体：

import javax.swing.text.html.HTMLEditorKit;
import javax.swing.text.html.parser.ParserDelegator;
import java.io.StringReader;
import java.io.IOException;

public class HtmlEntityDecoder {
    public static String decodeHtmlEntities(String html) throws IOException {
        final StringBuilder sb = new StringBuilder();
        HTMLEditorKit.ParserCallback callback = new HTMLEditorKit.ParserCallback() {
            @Override
            public void handleText(char[] data, int pos) {
                sb.append(data);
            }
        };
        new ParserDelegator().parse(new StringReader(html), callback, false);
        return sb.toString();
    }

    public static void main(String[] args) throws IOException {
        String htmlEntities = "年 ネン";
        String decodedText = decodeHtmlEntities(htmlEntities);
        System.out.println(decodedText); // 输出：年 ネン
    }
}

方案2：使用Apache Commons Text库（更简洁） #

如果项目允许引入第三方依赖，使用StringEscapeUtils可以一行完成解析：

import org.apache.commons.text.StringEscapeUtils;

public class HtmlEntityDecoder {
    public static void main(String[] args) {
        String htmlEntities = "年 ネン";
        String decodedText = StringEscapeUtils.unescapeHtml4(htmlEntities);
        System.out.println(decodedText); // 输出：年 ネン
    }
}

注意：使用Apache Commons Text时，需要在项目中引入对应依赖（比如Maven依赖：commons-text:commons-text:2.10.0）

内容的提问来源于stack exchange，提问作者user273121