简单的转换方法&#XXXX；从HTML到UTF-8XML在.Net中编程或使用工具

HTML和XML不一样，只是为了举例说明

用于输入HTML文件

<p class=MsoNormal style='tab-stops:.5in'><b><span style='mso-tab-count:3'>                                    </span></b><b><span
lang=AR-SY dir=RTL style='mso-bidi-language:AR-SY'>&#1593;&#1586;&#1578;
&#1575;&#1576;&#1585;&#1575;&#1607;&#1610;&#1605;
&#1575;&#1604;&#1583;&#1608;&#1585;&#1610;</span><o:p></o:p></b></p>

&1593زت
ابراهيم
الدوري

使用UTF-8编码接收XML

<Name Type="Script"> صدام حسين التكريتي</Name>

---

基本上我需要一个ASCII序列&#xxxx&#yyyy&#zzzz；要另存为utf-8。

我不太确定您是要就地转换HTML十进制编码，还是要将HTML转换为XML文档。将十进制（或十六进制）编码字符转换为UTF-8/16并不太困难。然而，在野外正确解析HTML可能是一个挑战（请参见此）

下面是一个简单的类，用于转换十进制和十六进制编码字符并返回.Net字符串（我不保证它的正确性或健壮性，特别是当您试图对格式错误的HTML或具有代理项对字符时）：

使用系统；
使用System.Collections.Generic；
利用制度全球化；
使用System.Text.RegularExpressions；
名称空间HtmlEncodingConverter
{
内部静态类HtmlEncoding
{
私有静态只读正则表达式EncodedCharRegex=新正则表达式（@“&#[X]？[0-9|A-F]{1,12}；”，
RegexOptions.Compiled|
RegexOptions.IgnoreCase|
RegexOptions（文化变异）；
公共静态字符串（字符串输入）
{
返回ConvertInnerText（输入，替换为字符）；
}
专用静态字符串ReplaceWithCharacter（字符串原始）
{
返回EncodedCharRegex.Replace（原始，新的MatchEvaluator（DecodeCharacter））；
}
私有静态字符串解码字符（匹配）
{
string digits=match.ToString（）.TrimStart（新[]{'#'，'&'}）.TrimEnd（'；'）.toupper不变量（）；
返回数字。用（“X”）开始？六进制字符串（数字）：十进制字符串（数字）；
}
专用静态字符串DecToString（字符串数字）
{
返回（（char）int.Parse（digits））.ToString（）；
}
私有静态字符串HexToString（字符串数字）
{
返回（（char）int.Parse(
数字。子字符串（1），
NumberStyles.HexNumber，
CultureInfo.InvariantCulture））.ToString（）；
}
私有静态字符串转换器InnerText（字符串原始，Func转换器）
{
var convertedQueue=新队列（原始.Length）；
var innerQueue=新队列（）；
int tagCount=0；
bool hasfundhtml=false；
foreach（原始字符中的字符）
{
if（字符等于（“”））
{
tagCount-=1；
convertedQueue.Enqueue（字符）；
继续；
}
if（tagCount==0&&hasFoundHtml）
{
innerQueue.Enqueue（字符）；
}
其他的
{
convertedQueue.Enqueue（字符）；
}
}
返回新字符串（convertedQueue.ToArray（））；
}
}
}

using System;
using System.Collections.Generic;
using System.Globalization;
using System.Text.RegularExpressions;

namespace HtmlEncodingConverter
{
    internal static class HtmlEncoding
    {
    private static readonly Regex EncodedCharRegex = new Regex(@"&#[X]?[0-9|A-F]{1,12};",
                                                               RegexOptions.Compiled |
                                                               RegexOptions.IgnoreCase |
                                                               RegexOptions.CultureInvariant);


    public static string ToUtfCharacters(string input)
    {
        return ConvertInnerText(input, ReplaceWithCharacter);
    }

    private static string ReplaceWithCharacter(string original)
    {
        return EncodedCharRegex.Replace(original, new MatchEvaluator(DecodeCharacter));
    }

    private static string DecodeCharacter(Match match)
    {
        string digits = match.ToString().TrimStart(new[] {'#', '&'}).TrimEnd(';').ToUpperInvariant();
        return digits.StartsWith("X") ? HexToString(digits) : DecToString(digits);
    }

    private static string DecToString(string digits)
    {
        return ((char) int.Parse(digits)).ToString();
    }

    private static string HexToString(string digits)
    {
        return ((char) int.Parse(
            digits.Substring(1), 
            NumberStyles.HexNumber, 
            CultureInfo.InvariantCulture)).ToString();
    }

    private static string ConvertInnerText(string original, Func<string, string> converter)
    {
        var convertedQueue = new Queue<char>(original.Length);
        var innerQueue = new Queue<char>();
        int tagCount = 0;
        bool hasFoundHtml = false;
        foreach (char character in original)
        {
            if (character.Equals('<'))
            {
                hasFoundHtml = true;
                if (tagCount == 0 && innerQueue.Count > 0)
                {
                    var innerString = new string(innerQueue.ToArray());
                    string convertedString = converter.Invoke(innerString);
                    foreach (char convertedCharacter in convertedString)
                    {
                        convertedQueue.Enqueue(convertedCharacter);
                    }
                    innerQueue.Clear();
                }
                tagCount += 1;
                convertedQueue.Enqueue(character);
                continue;
            }
            if (character.Equals('>'))
            {
                tagCount -= 1;
                convertedQueue.Enqueue(character);
                continue;
            }
            if (tagCount == 0 && hasFoundHtml)
            {
                innerQueue.Enqueue(character);
            }
            else
            {
                convertedQueue.Enqueue(character);
            }
        }
        return new string(convertedQueue.ToArray());
    }
}
}