当前位置：首页 > news >正文

用JavaScript将 NCR（Numeric Character Reference）标记转换为对应字符的方法

news 来源：原创 2024/9/20 0:45:14

0 &#xff0c 、&#11111……是什么鬼？

最近，要将一些网页内容复制到<textarea>文本框中作进一步处理，发现有些网页内容中包含&#xff0c或⭧之类的标记，会被原样复制到<textarea>文本框中。
如果将这些网页内容直接使用document.write()输出，那么&#xff0c之类的标记会自动显示为对应的字符。
这是怎么回事呢？

1 Numeric Character Reference（NCR）简介

在网上查了一下，&#xff0c或⭧之类的是一种叫做 Numeric Character Reference（NCR）的标记结构。

1.1 Wikipedia（维基百科）上的解释
Wikipedia（维基百科）上的解释是：

A numeric character reference (NCR) is a common markup construct used in SGML and other SGML-based markup languages such as HTML and XML. It consists of a short sequence of characters that, in turn, represent a single character from the Universal Character Set (UCS) of Unicode. NCRs are typically used in order to represent characters that are not directly encodable in a particular document. When the document is interpreted by a markup-aware reader, each NCR is treated as if it were the character it represents.

bing的翻译如下：

数字字符引用（NCR）是 SGML 和其他基于 SGML 的标记语言（如 HTML 和 XML）中使用的常见标记结构。它由一小段字符组成，这些字符又表示 Unicode 通用字符集（UCS）中的单个字符。NCR 通常用于表示在特定文档中无法直接编码的字符。当文档由标记感知阅读器解释时，每个 NCR 都被视为它所代表的字符。

1.2 NCR标记的结构

NCR标记由三个部分组成：

1	2	3
&#	字符的Unicode编码值（可以是10或16进制）	;

NCR标记以&#开头, 后面跟着字符的Unicode编码值，最后以一个半角分号结束。

其中字符的Unicode编码值可以使用10进制或16进制，其中16进制值以要x开头。如：

字符	NCR（10进制）	NCR（16进制）
程	程	程
序	&#5e8f;	序
员	员	员

2 JavaScript编程进行NCR转换

2.1 常规思路

1.定义一个数组保存NCR第1部分的字符串：var aNCR = ['&#x','&#'];

2.使用String对象的.indexOf()方法搜索aNCR中的数组元素

3.搜索到aNCR中的数组元素，使用String对象的fromCharCode()方法获取对应的字符

4.继续2，直到不再发现NCR中的数组元素

程序流程图如下：

2.2 编写函数tranNCR()

//功能：将字符串中的所有NCR转换为对应字符
//输入：s=字符串
//输出：转换后的字符串
//日志：20240710创建
function tranNCR(s)
{var aNCR = ['&#x','&#'];var s0 = s;var i, j ,k;for (k = 0 ; k < aNCR.length; k++){i = s0.indexOf(aNCR[k]);while (-1 != i){j = s0.substring(0).indexOf(';');if (-1 == j)	 //未发现结束符‘;’{return s0;}//document.write('<p>',s0.substring(i+aNCR[k].length-1, j))// 对于16进制的#&xhhhh;，我们要截取出xhhhh，并在前面加上'0‘；// 对于10进制的#&dddd，我们要截取出dddds0 = s0.substring(0,i) + String.fromCharCode(k==0 ? ('0'+ s0.substring(i+aNCR[k].length-1, j)) : s0.substring(i+aNCR[k].length, j))  + s0.substring(j+1);i = s0.indexOf(aNCR[k]);} // while(i)} // for(k)return s0;
}

2.3 演示代码

<!DOCTYPE html>
<html>
<head><meta name="author" content="PurpleEndurer"><title>将字符串中的所有NCR转换为对应字符</title>
</head>
<body><p>转换后的结果：</p><textarea id="taTarget" cols="80" rows="15"></textarea><script>
//功能：将字符串中的所有NCR转换为对应字符
//输入：s=字符串
//输出：转换后的字符串
//日志：20240710创建
function tranNCR(s)
{var aNCR = ['&#x','&#'];var s0 = s;var i, j ,k;for (k = 0 ; k < aNCR.length; k++){i = s0.indexOf(aNCR[k]);while (-1 != i){j = s0.substring(0).indexOf(';');if (-1 == j)	 //未发现结束符‘;’{return s0;}//document.write('<p>', s0.substring(i+aNCR[k].length-1, j))// 对于16进制的#&xhhhh;，我们要截取出xhhhh，并在前面加上'0‘// 对于10进制的#&dddd，我们要截取出dddds0 = s0.substring(0,i) + String.fromCharCode(k==0 ? ('0'+ s0.substring(i+aNCR[k].length-1, j)) : s0.substring(i+aNCR[k].length, j))  + s0.substring(j+1);i = s0.indexOf(aNCR[k]);} // while(i)} // for(k)return s0;
}s = '我们是&#x7a0b; &#x5e8f; &#x5458;~~'; var taTarget = document.getElementById("taTarget");
taTarget.value = tranNCR(s);
document.write('<p>正确结果：',s);
</script></body>
</html>

程序运行结果如下：

2.4 用正则表达式实现

对于熟悉正则表述式的高手来说，用正则表达式实现可以代码更简捷。

在网上搜索到了网友Joebon用正则表达式来实现转换的演示代码（见参考2）：

var regex_num_set = /&#(\d+);/g;
var str = "Here is some text: &#27599;&#26085;&#19968;&#33394;|&#34013;&#30333;~"str = str.replace(regex_num_set, function(_, $1) {return String.fromCharCode($1);
});document.write('<pre>'+JSON.stringify(str,0,3));

代码运行结果：