关于html实体
最近需要抓取一些web站点进行分析，代码如下： var req=https.get(opts, function (res) { console.log("Got response: " + res.statusCode); res.on(‘data’,function(d){ body += d; }).on(‘end’, function(){
var page= crawlerPage(body); //此处body为所谓的“乱码”，即html实体 });
想请教一下，如何将获得的html实体转为我们能看得懂的正常字符串？
4 回复
最终只能写个函数解码 function htmlDecode(str) { // 一般可以先转换为标准 unicode 格式（有需要就添加：当返回的数据呈现太多\\u 之类的时） str = unescape(str.replace(/\u/g, “%u”)); // 再对实体符进行转义 // 有 x 则表示是16进制，$1 就是匹配是否有 x，$2 就是匹配出的第二个括号捕获到的内容，将 $2 以对应进制表示转换 str = str.replace(/&#(x)?(\w+);/g, function($, $1, $2) { return String.fromCharCode(parseInt($2, $1? 16: 10)); });
return str; }