Java(Android)中可靠还原HTML字符的方案求助

首先帮你捋下当前的问题：你用org.apache.commons.lang3.StringEscapeUtils.unescapeHtml4()处理–时测试报错，大概率不是工具本身的问题——Commons Lang3 3.11版本其实已经支持–这类HTML4实体的转换。你看到的ComparisonFailure更可能是测试环境的编码显示问题（比如JUnit控制台输出的字符编码不对，导致–显示成了?）。你可以在测试里打印字符的Unicode码点验证：

String expected = "–";
String actual = org.apache.commons.lang3.StringEscapeUtils.unescapeHtml4("–");
System.out.println("Expected code point: " + (int) expected.charAt(0)); // 输出8211
System.out.println("Actual code point: " + (int) actual.charAt(0));     // 正常应该也是8211

如果码点一致，那就是显示问题，而非转换失败。

回到你的核心需求：有没有无需hack就能还原所有标准HTML字符实体的方法？这里给你两个靠谱的选项：

1. 优先确认Commons Lang3的适配性 #

如果你只想用Commons家族工具，建议升级到最新版本（目前最新是3.14.0），它支持绝大多数HTML4实体。但它的局限性是：对HTML5新增的部分特殊实体（比如部分表情类实体）支持不如专门的HTML解析库全面。

2. 使用Jsoup（推荐） #

Jsoup是专门处理HTML的库，完全遵循HTML规范，能处理所有标准HTML4/HTML5实体，甚至能解析复杂HTML片段里的实体，是更可靠的选择。

代码示例 #

import org.jsoup.Jsoup;
import org.junit.Assert;
import org.junit.Test;

public class HtmlEntityTest {
    @Test
    public void unescapeHtmlWithJsoup() {
        // 测试基础实体
        String sample1 = "<";
        Assert.assertEquals("<", Jsoup.parse(sample1).text());

        // 测试短破折号实体
        String sample2 = "&ndash;";
        Assert.assertEquals("–", Jsoup.parse(sample2).text());

        // 测试HTML5新增实体（比如爱心表情）
        String sample3 = "&heart;";
        Assert.assertEquals("♥", Jsoup.parse(sample3).text());
    }
}

Gradle配置 #

implementation group: 'org.jsoup', name: 'jsoup', version: '1.17.2'

Jsoup的parse()方法会自动解析所有HTML实体，text()方法提取纯文本内容，完美解决实体还原问题。

为什么不推荐自定义hack？ #

自定义实体映射不仅维护成本高，还容易遗漏标准实体，而且HTML规范一直在更新，自己维护的映射很容易过时，用成熟的库是更稳妥的选择。

内容的提问来源于stack exchange，提问作者mcfly soft