首页 > 基础资料 博客日记
用JavaScript将 NCR（Numeric Character Reference）标记转换为对应字符的方法
2024-08-04 23:00:06基础资料围观143次
0 ， 、⭧……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，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，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，，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 | e8f; | 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dddd
s0 = 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dddd
s0 = 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 = '我们是程 序 员~~';
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: 每日一色|蓝白~"
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：
其思路是用String.prototype.replace() 和方法 将字符串中的 NCR 字符逐个获取到 ""和";"间的 Unicode 字符编码值, 然后利用 String.fromCharCode() 方法, 将 Unicode 编码转为对应的字符。
3 参考资料
1. Numeric character reference - Wikipedia, the free encyclopedia (zubiaga.org)
2.javascript - 将 NCR（Numeric Character Reference） 字符转换为真实字符的方法 - Joebon的前端世界 - SegmentFault 思否
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！
标签：
相关文章
最新发布
点击排行
本站推荐
