如何反转义/解码转义的HTML字符

Question

当我使用nokogiri解析html时，中文字符被转换为转义序列，如

" 巅峰延时 "

我如何解码转义字符如"巅峰延时"回到正常字符?

Answer 1

看起来您的HTML页面被编码为UTF-8，但您正在解析为ISO-8859-1。您需要确保在解析时指定了正确的编码。如果从字符串进行解析，Nokogiri应该使用与字符串相同的编码。如果从IO对象进行解析，可以将编码指定为parse方法的第三个参数:

Nokogiri::HTML::Document.parse(io_object, nil, 'UTF-8')

Answer 2

正常字符应该是什么?这看起来像它们的字符串表示。

否则你有CGI.unescapeHTML()和CGI.escapeHTML()可在标准ruby (stdlib)。