Entities


1   /* Copyright (c) 2003 The Nutch Organization.  All rights reserved.   */
2   /* Use subject to the conditions in http://www.nutch.org/LICENSE.txt. */
3   
4   package net.nutch.html;
5   
6   import java.util.*;
7   
8   public class Entities {
9     static final Hashtable decoder = new Hashtable(300);
10    static final String  []  encoder = new String  [0x100];
11  
12    static final String   decode(String   entity) {
13      if (entity.charAt(entity.length()-1) == ';')  // remove trailing semicolon
14        entity = entity.substring(0, entity.length()-1);
15      if (entity.charAt(1) == '#') {
16        int start = 2;
17        int radix = 10;
18        if (entity.charAt(2) == 'X' || entity.charAt(2) == 'x') {
19      start++;
20      radix = 16;
21        }
22        Character   c =
23      new Character  ((char)Integer.parseInt(entity.substring(start), radix));
24        return c.toString();
25      } else {
26        String   s = (String  )decoder.get(entity);
27        if (s != null)
28      return s;
29        else return "";
30      }
31    }
32  
33    static final public String   encode(String   s) {
34      int length = s.length();
35      StringBuffer   buffer = new StringBuffer  (length * 2);
36      for (int i = 0; i < length; i++) {
37        char c = s.charAt(i);
38        int j = (int)c;
39        if (j < 0x100 && encoder[j] != null) {
40      buffer.append(encoder[j]);        // have a named encoding
41      buffer.append(';');
42        } else if (j < 0x80) {
43      buffer.append(c);             // use ASCII value
44        } else {
45      buffer.append("&#");              // use numeric encoding
46      buffer.append((int)c);
47      buffer.append(';');
48        }
49      }
50      return buffer.toString();
51    }
52  
53    static final void add(String   entity, int value) {
54      decoder.put(entity, (new Character  ((char)value)).toString());
55      if (value < 0x100)
56        encoder[value] = entity;
57    }
58  
59    static {
60      add("&nbsp",   160);
61      add("&iexcl",  161);
62      add("&cent",   162);
63      add("&pound",  163);
64      add("&curren", 164);
65      add("&yen",    165);
66      add("&brvbar", 166);
67      add("&sect",   167);
68      add("&uml",    168);
69      add("&copy",   169);
70      add("&ordf",   170);
71      add("&laquo",  171);
72      add("&not",    172);
73      add("&shy",    173);
74      add("&reg",    174);
75      add("&macr",   175);
76      add("&deg",    176);
77      add("&plusmn", 177);
78      add("&sup2",   178);
79      add("&sup3",   179);
80      add("&acute",  180);
81      add("&micro",  181);
82      add("&para",   182);
83      add("&middot", 183);
84      add("&cedil",  184);
85      add("&sup1",   185);
86      add("&ordm",   186);
87      add("&raquo",  187);
88      add("&frac14", 188);
89      add("&frac12", 189);
90      add("&frac34", 190);
91      add("&iquest", 191);
92      add("&Agrave", 192);
93      add("&Aacute", 193);
94      add("&Acirc",  194);
95      add("&Atilde", 195);
96      add("&Auml",   196);
97      add("&Aring",  197);
98      add("&AElig",  198);
99      add("&Ccedil", 199);
100     add("&Egrave", 200);
101     add("&Eacute", 201);
102     add("&Ecirc",  202);
103     add("&Euml",   203);
104     add("&Igrave", 204);
105     add("&Iacute", 205);
106     add("&Icirc",  206);
107     add("&Iuml",   207);
108     add("&ETH",    208);
109     add("&Ntilde", 209);
110     add("&Ograve", 210);
111     add("&Oacute", 211);
112     add("&Ocirc",  212);
113     add("&Otilde", 213);
114     add("&Ouml",   214);
115     add("&times",  215);
116     add("&Oslash", 216);
117     add("&Ugrave", 217);
118     add("&Uacute", 218);
119     add("&Ucirc",  219);
120     add("&Uuml",   220);
121     add("&Yacute", 221);
122     add("&THORN",  222);
123     add("&szlig",  223);
124     add("&agrave", 224);
125     add("&aacute", 225);
126     add("&acirc",  226);
127     add("&atilde", 227);
128     add("&auml",   228);
129     add("&aring",  229);
130     add("&aelig",  230);
131     add("&ccedil", 231);
132     add("&egrave", 232);
133     add("&eacute", 233);
134     add("&ecirc",  234);
135     add("&euml",   235);
136     add("&igrave", 236);
137     add("&iacute", 237);
138     add("&icirc",  238);
139     add("&iuml",   239);
140     add("&eth",    240);
141     add("&ntilde", 241);
142     add("&ograve", 242);
143     add("&oacute", 243);
144     add("&ocirc",  244);
145     add("&otilde", 245);
146     add("&ouml",   246);
147     add("&divide", 247);
148     add("&oslash", 248);
149     add("&ugrave", 249);
150     add("&uacute", 250);
151     add("&ucirc",  251);
152     add("&uuml",   252);
153     add("&yacute", 253);
154     add("&thorn",  254);
155     add("&yuml",   255);
156     add("&fnof",   402);
157     add("&Alpha",  913);
158     add("&Beta",   914);
159     add("&Gamma",  915);
160     add("&Delta",  916);
161     add("&Epsilon",917);
162     add("&Zeta",   918);
163     add("&Eta",    919);
164     add("&Theta",  920);
165     add("&Iota",   921);
166     add("&Kappa",  922);
167     add("&Lambda", 923);
168     add("&Mu",     924);
169     add("&Nu",     925);
170     add("&Xi",     926);
171     add("&Omicron",927);
172     add("&Pi",     928);
173     add("&Rho",    929);
174     add("&Sigma",  931);
175     add("&Tau",    932);
176     add("&Upsilon",933);
177     add("&Phi",    934);
178     add("&Chi",    935);
179     add("&Psi",    936);
180     add("&Omega",  937);
181     add("&alpha",  945);
182     add("&beta",   946);
183     add("&gamma",  947);
184     add("&delta",  948);
185     add("&epsilon",949);
186     add("&zeta",   950);
187     add("&eta",    951);
188     add("&theta",  952);
189     add("&iota",   953);
190     add("&kappa",  954);
191     add("&lambda", 955);
192     add("&mu",     956);
193     add("&nu",     957);
194     add("&xi",     958);
195     add("&omicron",959);
196     add("&pi",     960);
197     add("&rho",    961);
198     add("&sigmaf", 962);
199     add("&sigma",  963);
200     add("&tau",    964);
201     add("&upsilon",965);
202     add("&phi",    966);
203     add("&chi",    967);
204     add("&psi",    968);
205     add("&omega",  969);
206     add("&thetasym",977);
207     add("&upsih",  978);
208     add("&piv",    982);
209     add("&bull",   8226);
210     add("&hellip", 8230);
211     add("&prime",  8242);
212     add("&Prime",  8243);
213     add("&oline",  8254);
214     add("&frasl",  8260);
215     add("&weierp", 8472);
216     add("&image",  8465);
217     add("&real",   8476);
218     add("&trade",  8482);
219     add("&alefsym",8501);
220     add("&larr",   8592);
221     add("&uarr",   8593);
222     add("&rarr",   8594);
223     add("&darr",   8595);
224     add("&harr",   8596);
225     add("&crarr",  8629);
226     add("&lArr",   8656);
227     add("&uArr",   8657);
228     add("&rArr",   8658);
229     add("&dArr",   8659);
230     add("&hArr",   8660);
231     add("&forall", 8704);
232     add("&part",   8706);
233     add("&exist",  8707);
234     add("&empty",  8709);
235     add("&nabla",  8711);
236     add("&isin",   8712);
237     add("&notin",  8713);
238     add("&ni",     8715);
239     add("&prod",   8719);
240     add("&sum",    8721);
241     add("&minus",  8722);
242     add("&lowast", 8727);
243     add("&radic",  8730);
244     add("&prop",   8733);
245     add("&infin",  8734);
246     add("&ang",    8736);
247     add("&and",    8743);
248     add("&or",     8744);
249     add("&cap",    8745);
250     add("&cup",    8746);
251     add("&int",    8747);
252     add("&there4", 8756);
253     add("&sim",    8764);
254     add("&cong",   8773);
255     add("&asymp",  8776);
256     add("&ne",     8800);
257     add("&equiv",  8801);
258     add("&le",     8804);
259     add("&ge",     8805);
260     add("&sub",    8834);
261     add("&sup",    8835);
262     add("&nsub",   8836);
263     add("&sube",   8838);
264     add("&supe",   8839);
265     add("&oplus",  8853);
266     add("&otimes", 8855);
267     add("&perp",   8869);
268     add("&sdot",   8901);
269     add("&lceil",  8968);
270     add("&rceil",  8969);
271     add("&lfloor", 8970);
272     add("&rfloor", 8971);
273     add("&lang",   9001);
274     add("&rang",   9002);
275     add("&loz",    9674);
276     add("&spades", 9824);
277     add("&clubs",  9827);
278     add("&hearts", 9829);
279     add("&diams",  9830);
280     add("&quot",   34);
281     add("&amp",    38);
282     add("&lt",     60);
283     add("&gt",     62);
284     add("&OElig",  338);
285     add("&oelig",  339);
286     add("&Scaron", 352);
287     add("&scaron", 353);
288     add("&Yuml",   376);
289     add("&circ",   710);
290     add("&tilde",  732);
291     add("&ensp",   8194);
292     add("&emsp",   8195);
293     add("&thinsp", 8201);
294     add("&zwnj",   8204);
295     add("&zwj",    8205);
296     add("&lrm",    8206);
297     add("&rlm",    8207);
298     add("&ndash",  8211);
299     add("&mdash",  8212);
300     add("&lsquo",  8216);
301     add("&rsquo",  8217);
302     add("&sbquo",  8218);
303     add("&ldquo",  8220);
304     add("&rdquo",  8221);
305     add("&bdquo",  8222);
306     add("&dagger", 8224);
307     add("&Dagger", 8225);
308     add("&permil", 8240);
309     add("&lsaquo", 8249);
310     add("&rsaquo", 8250);
311     add("&euro",   8364);
312 
313   }
314 }
315
A to Z: JavaDoc & Examples Daily Java News & Articles Open Source Projects Open Source Codes Free Computer Books Remove Frame
Popular Tags