Android内存不足异常，而HTML正在删除字符串

我必须对大小为~1,4MB的字符串（HTML转义XML文件（因此字符串中的所有val都是<；TAG>；val<；/TAG>；等等）进行HTML取消转义，以便在解析器中使用未转义的XML）

我遇到的问题是，在使用StringEscapeUtils.unescapeHtml（String）（apache-commons-lang-2.6库）时，当我尝试获取未转义字符串时，总是会出现内存不足异常

我还尝试了基本android api的方法来取消对字符串的scape，但是除了速度非常慢之外，内存不足异常甚至在较小的字符串（~700kb）中也会发生

---

有人能告诉我如何处理这样的字符串转换而不出现内存不足异常吗？

Java有一些很好的核心功能，可以让这项工作变得非常简单。 下面的解决方案使用正则表达式遍历内容，并允许您替换字符。这个解决方案确实需要做一些工作，因为您需要提供转义码。你可以在这里找到转义码列表[http://www.w3.org/TR/html4/sgml/entities.html][1] 或者为其他人搜索网络

代码如下：

import java.util.regex.*;
import java.util.*;

public class HtmlUnescape {
    public static void main(String[] args){
        HashMap<String,String> codes = new HashMap<String,String>();
        codes.put("&lt;", "<");
        codes.put("&gt;", ">");
        codes.put("&#34;", "\"");

        String html = "&lt;html&gt;&lt;head&gt;&lt;title&gt;Hello&lt;/title&gt;&lt;/head&gt;&lt;body&gt;&lt;h1&gt;The great escape &#34;example&#34;&lt;/h1&gt;&lt;/body&gt;&lt;/html&gt;";

        Matcher matcher = Pattern.compile("&#*\\w\\w\\w?\\w?;").matcher(html);
        StringBuffer matchBuffer = new StringBuffer();
        while(matcher.find()){
            matcher.appendReplacement(matchBuffer, codes.get(matcher.group()));
        }
        matcher.appendTail(matchBuffer);
        System.out.println (matchBuffer.toString());
    }
}

import java.util.regex.*；
导入java.util.*；
公共类逃逸{
公共静态void main（字符串[]args）{
HashMap代码=新的HashMap（）；
代码。放置（“，”）；
代码。放置（"；，“\”）；
String html=“htmlheadtitlehlello/title/headbodyh1大逃亡"；示例"；/h1/body/html”；
Matcher Matcher=Pattern.compile（&#*\\w\\w\\w？\\w？）.Matcher（html）；
StringBuffer matchBuffer=新的StringBuffer（）；
while（matcher.find（））{
appendReplacement（matchBuffer，code.get（matcher.group（））；
}
matcher.appendTail（匹配缓冲区）；
System.out.println（matchBuffer.toString（））；
}
}

代码中发生了什么：

• 首先，散列将代码存储到unescape
• 第二，变量html存储要处理的转义html
• 接下来，我们使用正则表达式搜索并替换转义代码，使用：
  • Matcher.find（）
  • Matcher.appendReplacement（），以及
  • appendTail（）方法

---

试试看。我对像您这样的大文件的性能没有什么见解。但是，代码非常简单，您可以对其进行调整以获得所需的性能。

Java有一些很好的核心功能来实现这一点，非常简单。 下面的解决方案使用正则表达式浏览您的内容，并允许您替换字符。此解决方案确实需要做一些工作，因为您需要提供转义码。您可以在此处找到转义码列表[http://www.w3.org/TR/html4/sgml/entities.html][1] 或者为其他人搜索网络

代码如下：

import java.util.regex.*;
import java.util.*;

public class HtmlUnescape {
    public static void main(String[] args){
        HashMap<String,String> codes = new HashMap<String,String>();
        codes.put("&lt;", "<");
        codes.put("&gt;", ">");
        codes.put("&#34;", "\"");

        String html = "&lt;html&gt;&lt;head&gt;&lt;title&gt;Hello&lt;/title&gt;&lt;/head&gt;&lt;body&gt;&lt;h1&gt;The great escape &#34;example&#34;&lt;/h1&gt;&lt;/body&gt;&lt;/html&gt;";

        Matcher matcher = Pattern.compile("&#*\\w\\w\\w?\\w?;").matcher(html);
        StringBuffer matchBuffer = new StringBuffer();
        while(matcher.find()){
            matcher.appendReplacement(matchBuffer, codes.get(matcher.group()));
        }
        matcher.appendTail(matchBuffer);
        System.out.println (matchBuffer.toString());
    }
}

import java.util.regex.*；
导入java.util.*；
公共类逃逸{
公共静态void main（字符串[]args）{
HashMap代码=新的HashMap（）；
代码。放置（“，”）；
代码。放置（"；，“\”）；
String html=“htmlheadtitlehlello/title/headbodyh1大逃亡"；示例"；/h1/body/html”；
Matcher Matcher=Pattern.compile（&#*\\w\\w\\w？\\w？）.Matcher（html）；
StringBuffer matchBuffer=新的StringBuffer（）；
while（matcher.find（））{
appendReplacement（matchBuffer，code.get（matcher.group（））；
}
matcher.appendTail（匹配缓冲区）；
System.out.println（matchBuffer.toString（））；
}
}

代码中发生了什么：

• 首先，散列将代码存储到unescape
• 第二，变量html存储要处理的转义html
• 接下来，我们使用正则表达式搜索并替换转义代码，使用：
  • Matcher.find（）
  • Matcher.appendReplacement（），以及
  • appendTail（）方法

---

试试看。我对像您这样的大文件的性能没有任何见解。但是，代码非常简单，您可以对其进行调整以获得所需的性能。

谢谢您的回答。基本上，使用正则表达式的想法是好的，但是在大文件上使用它时，实现似乎太慢了。我现在用一个数据库解决了我的问题，该数据库与应用一起部署，减少了我收到的XML流的大小。但如果有人能给我指出另一个解决方案（更快的库或其他东西），我仍然会很感激：）谢谢你的回答。基本上，使用正则表达式的想法是好的，但是在大文件上使用它时，实现似乎太慢了。我现在用一个数据库解决了我的问题，该数据库与应用一起部署，减少了我收到的XML流的大小。但如果有人能给我指出另一种解决方案（更快的库或其他东西），我仍然会很感激：）