1 2 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) == ';') 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]); buffer.append(';'); 42 } else if (j < 0x80) { 43 buffer.append(c); } else { 45 buffer.append("&#"); 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(" ", 160); 61 add("¡", 161); 62 add("¢", 162); 63 add("£", 163); 64 add("¤", 164); 65 add("¥", 165); 66 add("¦", 166); 67 add("§", 167); 68 add("¨", 168); 69 add("©", 169); 70 add("ª", 170); 71 add("«", 171); 72 add("¬", 172); 73 add("­", 173); 74 add("®", 174); 75 add("¯", 175); 76 add("°", 176); 77 add("±", 177); 78 add("²", 178); 79 add("³", 179); 80 add("´", 180); 81 add("µ", 181); 82 add("¶", 182); 83 add("·", 183); 84 add("¸", 184); 85 add("¹", 185); 86 add("º", 186); 87 add("»", 187); 88 add("¼", 188); 89 add("½", 189); 90 add("¾", 190); 91 add("¿", 191); 92 add("À", 192); 93 add("Á", 193); 94 add("Â", 194); 95 add("Ã", 195); 96 add("Ä", 196); 97 add("Å", 197); 98 add("Æ", 198); 99 add("Ç", 199); 100 add("È", 200); 101 add("É", 201); 102 add("Ê", 202); 103 add("Ë", 203); 104 add("Ì", 204); 105 add("Í", 205); 106 add("Î", 206); 107 add("Ï", 207); 108 add("Ð", 208); 109 add("Ñ", 209); 110 add("Ò", 210); 111 add("Ó", 211); 112 add("Ô", 212); 113 add("Õ", 213); 114 add("Ö", 214); 115 add("×", 215); 116 add("Ø", 216); 117 add("Ù", 217); 118 add("Ú", 218); 119 add("Û", 219); 120 add("Ü", 220); 121 add("Ý", 221); 122 add("Þ", 222); 123 add("ß", 223); 124 add("à", 224); 125 add("á", 225); 126 add("â", 226); 127 add("ã", 227); 128 add("ä", 228); 129 add("å", 229); 130 add("æ", 230); 131 add("ç", 231); 132 add("è", 232); 133 add("é", 233); 134 add("ê", 234); 135 add("ë", 235); 136 add("ì", 236); 137 add("í", 237); 138 add("î", 238); 139 add("ï", 239); 140 add("ð", 240); 141 add("ñ", 241); 142 add("ò", 242); 143 add("ó", 243); 144 add("ô", 244); 145 add("õ", 245); 146 add("ö", 246); 147 add("÷", 247); 148 add("ø", 248); 149 add("ù", 249); 150 add("ú", 250); 151 add("û", 251); 152 add("ü", 252); 153 add("ý", 253); 154 add("þ", 254); 155 add("ÿ", 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("¬in", 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(""", 34); 281 add("&", 38); 282 add("<", 60); 283 add(">", 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 | Popular Tags |