如何将O'Brien转换为O'Brien？这类字符编码的名称是什么？

编码官方名称 #

这类编码的官方名称为HTML实体编码（HTML Entity Encoding），也称为HTML字符引用，是HTML规范中定义的特殊字符转义规则，主要用于转义HTML保留字符、无法直接输入的特殊字符，避免字符和HTML语法产生冲突。
它分为两类：

• 命名实体：用易读的字符串标识字符，比如&代表&、<代表<
• 数字实体：用字符的Unicode码点标识，分十进制（格式为&#十进制数字;）和十六进制（格式为&#x十六进制数字;）两种，你示例中的'就是十六进制数字实体，对应单引号'。

你获取到的O'Brien属于经过两次HTML实体编码的结果：第一次把单引号编码为'，第二次又把'开头的&编码为&，最终得到该字符串。

转换方法 #

只需要对字符串做对应次数的HTML实体解码即可，不同开发环境的常用实现方式如下：

Python #

使用标准库html的unescape方法即可：

import html
raw_str = "O'Brien"
# 两次解码对应两次编码的场景
result = html.unescape(html.unescape(raw_str))
# 输出结果为 O'Brien

JavaScript #

可以用DOMParser实现原生解码：

function htmlDecode(str) {
  const doc = new DOMParser().parseFromString(str, "text/html");
  return doc.documentElement.textContent;
}
const rawStr = "O'Brien";
const result = htmlDecode(htmlDecode(rawStr));
// 输出结果为 O'Brien

Java #

可以使用Apache Commons Text库的StringEscapeUtils工具类：

import org.apache.commons.text.StringEscapeUtils;

public class HtmlDecodeDemo {
    public static void main(String[] args) {
        String rawStr = "O'Brien";
        String result = StringEscapeUtils.unescapeHtml4(StringEscapeUtils.unescapeHtml4(rawStr));
        // 输出结果为 O'Brien
    }
}

内容的提问来源于stack exchange，提问作者Daniel Rodríguez Meza