Jsoup有特殊HTML符号的问题，＆lsquo; ＆MDASH; 等等

我有一些HTML（字符串），我通过Jsoup，所以我可以添加一些东西到所有href和src属性，这很好。 但是，我注意到对于一些特殊的HTML字符，Jsoup正在将它们转换为“ 对于实际的人物“ 。 我输出前后的值，我看到了这个变化。

之前：

 THIS — IS A “TEST”. 5 > 4. trademark: ™ 

后：

 THIS — IS A “TEST”. 5 > 4. trademark: ? 

到底他妈发生了什么？ 我特意将这些特殊字符转换为HTML实体，然后才能避免这种情况。 引号更改为实际引号字符，大于保持不变，商标变为问号。 AAAAAAA。

仅供参考，我的Jsoup代码正在做：

 Document document = Jsoup.parse(fileHtmlStr); //some stuff String modifiedFileHtmlStr = document.html(); 

谢谢你的帮助！

Answer 1

下面的代码将类似于输入标记。 它更改特定字符的转义模式，并设置ASCII模式以转义不支持Unicode的系统的TM符号。

输出：

 
THIS — IS A “TEST”. 5 > 4. trademark: ™ 

代码：

 Document doc = Jsoup.parse("" + "
THIS — IS A “TEST”. 5 > 4. trademark: ™
"); Document.OutputSettings settings = doc.outputSettings(); settings.prettyPrint(false); settings.escapeMode(Entities.EscapeMode.extended); settings.charset("ASCII"); String modifiedFileHtmlStr = doc.html(); System.out.println(modifiedFileHtmlStr);