如何对Java字符串中的卷曲引号进行HTML转义

我有一个字符串，里面有卷曲的引号。我想用HTML实体替换它们，以确保它们不会混淆其他下游系统。在我的第一次尝试中，我只是添加了要替换的字符的匹配，直接在代码中输入它们：

public static String escapeXml(String s) {
    StringBuilder sb = new StringBuilder();
    char characters[] = s.toCharArray();
    for ( int i = 0; i < characters.length; i++ ) {
        char c = characters[i];
        switch (c) {
            // other escape characters deleted for clarity
            case '“':
                sb.append("&#8220;");
                break;
            case '”':
                sb.append("&#8221;");
                break;
            case '‘':
                sb.append("&#8216;");
                break;
            case '’':
                sb.append("&#8217;");
                break;
            default:
                sb.append(c);
                break;
        }
    }
    return sb.toString();
}

显然，Linux机器上构建链的某些部分无法识别和区分这些奇特的字符

我的下一次尝试是使用Unicode转义。不幸的是，这甚至不能在我的Mac上编译：

...
            case '\u8220':
                sb.append("“");
                break;
            case '/u8221':
                sb.append("”");
                break;
...

我的编译器提出了这样的抱怨：

Out.java:[346,21] unclosed character literal

---

我很困惑，人们如何做这一点的替代，并让它跨平台可靠地工作。有人有什么建议吗？提前感谢。

编译器的问题是因为您使用了“/u8221”而不是“\u8221”-正斜杠而不是反斜杠

我不完全相信使用实体会有帮助，但是你可以试试。。。我想这取决于下游代码的破坏程度

---

编辑：Doh，我没有发现您的Unicode值是十进制的。是的，它们必须是十六进制：）我将在这里留下这个答案，因为它解释了编译器为什么抱怨-“\u8221”是一个完美的字符转义序列，而不是您想要的：）

Unicode文本是十六进制的：

case '\u201c':
    sb.append("“");
    break;
....

---

而且，正如其他答案中提到的，您的一个文本中有一个

/

而不是

\

。

您可以使用文本字符（即

'

），但是您的构建过程需要在编译期间指定正确的源代码。

javac

命令选项是

-encoding

。（Ant的

javac

任务上的属性是相同的。）这应该匹配IDE在保存文件时使用的任何编码

---

例如，如果您的IDE使用UTF-8，但生成计算机使用其平台默认编码US-ASCII，则特殊字符将被解码为

？

。由于多个案例现在具有相同的标签，因此您会收到原始错误消息。

默认编码因平台而异-Windows使用自己的ISO-Latin-1方言（至少是我使用过的那些）。Linux经常使用UTF-8（这很可能是您的问题），Mac使用MacRoman。您可以通过保持纯7位ASCII，并在源代码中使用\u来解决大多数问题

---

就我个人而言，我会在Java源代码之外保留任何“国家”的内容，并使用本地化功能查找简单键的翻译字符串，然后将它们放在Java代码中。

更好的方法是使用Apache Commons Lang

不使用卷曲引号怎么样？…等等，这应该是

案例'/u8221'：

还是

案例'\u8221'：

？Re:Unicode转义-我看到这两个开关案例有不同的斜杠-\和/@Matt:数据来自我们的CMS，营销人员在CMS中放入他们想要的任何疯狂的东西。：）@Sean McMains -看到如何逃避任何Unicode代码点的答案：这将是另一个“为什么汉字出现在我的英语文本中间？”的另一个例子；哈！那肯定是我的第一个问题。谢谢你，乔恩。这是我的第二期。谢谢你，亚当。很高兴知道这件事。不过，我想我会继续使用转义版本，这样我们在签出代码时就不必在不同的机器上处理编码问题。谢谢你的信息！实际上我非常喜欢这个库，但它并没有完全满足我们的需要，所以我们不得不做我们的自定义版本。（我记得，IE的旧版本给我们带来了撇号编码的麻烦。）

case '\u201c':
    sb.append("“");
    break;
....