[gelöst] HTML Entitäten zu UTF8

[Michl]

Hallo allerseits,

gibt es eine einfache Möglichkeit HTML-Entitäten (Siehe hier: Name in HTML -> Zeichen) in UTF8 umzuformen (fertige Lib/Komponente)?!

Die Möglichkeit, alle in Frage kommenden Entitäten in einer selbstgebauten Funktion herauszusuchen und entsprechend zu ersetzen, wollt ich mir gern ersparen

[Socke]

Schau dir mal die Unit HTMLDefs an. Mit der Funktion ResolveHTMLEntityReference() erhältst du zwar einen WideChar, aber der Rest sollte kein Problem darstellen.

[Michl]

Bist´n Schatz! So einfach gehts, wenn man weiss, wo man suchen muss!!! Danke!

Habs jetzt mal auf die Schnelle zusammengebastelt und in den ersten Tests siehts gut aus (und falls es noch jemand mal brauchen könnt?!):

Code: Alles auswählen

procedure HtmlToStr(var Str:TStringList);
var
  x,y,z:integer;
  s:string;
  wc:widechar;
begin
  for x:=0 to Str.Count-1 do
    if pos('&',Str.Strings[x])>0 then begin
      s:=Str.Strings[x];
      y:=pos('&',s);
      z:=posex(';',s,y);
      while (y>0) do begin
        if (z>y) then
          if ResolveHTMLEntityReference(copy(s,y+1,z-y-1),wc) then
            s:=Stringreplace(s,copy(s,y,z-y+1),UTF8Encode(WideCharLenToString(@wc,1)),[rfReplaceAll]);
        inc(y);
        y:=posex('&',s,y);
        z:=posex(';',s,y);
      end;
      Str.Strings[x]:=s;
    end;
end;

Getestet unter Lazarus 1.0.10 FPC 2.6.2

Code: Alles auswählen

procedure HtmlToStr(var Str:TStringList);
var
  x,y,z:integer;
  s:string;
  wc:widechar;
begin
  for x:=0 to Str.Count-1 do
    if pos('&',Str.Strings[x])>0 then begin
      s:=UTF8toAnsi(Str.Strings[x]);
      y:=pos('&',s);
      z:=posex(';',s,y);
      while (y>0) do begin
        if (z>y) then
          if ResolveHTMLEntityReference(widestring(copy(s,y+1,z-y-1)),wc) then
            s:=Stringreplace(s,copy(s,y,z-y+1),UTF8Encode(wc),[rfReplaceAll]);
        inc(y);
        y:=posex('&',s,y);
        z:=posex(';',s,y);
      end;
      Str.Strings[x]:=UTF8Encode(s);
    end;
end; 

Getestet unter Lazarus 1.1 FPC 2.7.1

[mschnell]

Ich kanns ja nicht lassen

Wenn FPC einmal eine perfekte (also deutlich bessere als Embarcaderos) Implementierung von "New Strings" hat, würde man die HTML-Information inklusive Entitäten in einen String kopieren, diesem den Type "HTML basierend auf Grund-Code xyz" geben (bzw. würde man sie sowieso immer in diesem String Typ halten)und dann würde eine Zuordnung dieses Strings auf einem mit dem gewünschten festen Ziel-Typ (z.B.UTF8 oder UTF16) automatisch die entsprechende Umcodierung (normaler Text und Entities) vornehmen.

der obige Code könnte dann auf

Code: Alles auswählen

   MyUTF8String := MyHTMLString;

verkürzt werden

Das ist natürlich nur ein Traum, aber - wie in der englischen Mailing-Liste bereits diskutiert - im Prinzip möglich.

-Michael

[theo]

Ich kanns ja nicht lassen

Probier's doch einfach mal.

Code: Alles auswählen

   MyUTF8String := MyHTMLString;

Ich möchte diesen alten Zopf "HTML-Entitäten" bitte nicht in einem FPC String mitschleppen. Das ist völliger Unsinn.

[mschnell]

Was die Leute permanent irgendwo verwenden ist definitionsgemäß kein "Alter Zopf" (auch wenn mir ebenfalls der Sinn dieser merkwürdigen Codierung-Methodik völlig schleierhaft ist).

-Michael

[Michl]

Was die Leute permanent irgendwo verwenden ist definitionsgemäß kein "Alter Zopf" (auch wenn mir ebenfalls der Sinn dieser merkwürdigen Codierung-Methodik völlig schleierhaft ist).

-Michael

Ist halt wirklich ein alter Zopf, doch leider in absehbarer Zeit nicht zu vermeiden: Siehe z.B. hier