如何解码 HTML 实体？

Question

这是一个快速的 Perl 问题：

如何将 ü 或 ' 等 HTML 特殊字符转换为普通的 ASCII 文本？

我从这样的事情开始：

 s/\&#(\d+);/chr($1)/eg;

并且可以为所有 HTML 字符编写它，但是像这样的功能可能已经存在了？

请注意，我不需要完整的 HTML->Text 转换器。我已经用 HTML::Parser 解析了 HTML。我只需要用我得到的特殊字符转换文本。

原文由 Frank 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

看看 HTML::Entities ：

 use HTML::Entities;

my $html = "Snoopy & Charlie Brown";

print decode_entities($html), "\n";

你可以猜出输出。

原文由 Telemachus 发布，翻译遵循 CC BY-SA 2.5 许可协议

Answer 2

上面的答案告诉您如何将实体解码为 Perl 字符串，但您还询问了如何将它们更改为 ASCII 。

假设这确实是您想要的并且您不想要所有 unicode 字符，您可以查看 Text::Unidecode 模块从 CPAN 到 Zap 所有这些奇怪的字符回到一个大致相似的 ASCII 字符集合：

 use Text::Unidecode qw(unidecode);
use HTML::Entities qw(decode_entities);

my $source = '北亰';
print unidecode(decode_entities($source));

# That prints: Bei Jing

原文由 Mark Fowler 发布，翻译遵循 CC BY-SA 2.5 许可协议